期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
供应链环境中RFID语义事件模型
1
作者 朱明清 彭接招 +2 位作者 廖国琼 钟千惠 彭志真 《数字技术与应用》 2012年第12期32-33,共2页
RFID技术是利用射频通信实现的非接触式自动识别技术,为对供应链环境中物品进行自动跟踪和监控提供了可能。本文在分析现有RFID事件模型特点及不足基础上,首先分析供应链环境下的RFID事件分类。然后,利用RDF模型的较强语义表达能力,采用... RFID技术是利用射频通信实现的非接触式自动识别技术,为对供应链环境中物品进行自动跟踪和监控提供了可能。本文在分析现有RFID事件模型特点及不足基础上,首先分析供应链环境下的RFID事件分类。然后,利用RDF模型的较强语义表达能力,采用XML语言及RDF图对事件进行描述,为供应链中的产品追溯提供了有效支持。 展开更多
关键词 RFID RDF 语义事件模型 供应链
下载PDF
典型通用事件语义模型比较分析研究 被引量:6
2
作者 陈金菊 欧石燕 林泽斐 《现代情报》 CSSCI 2021年第2期55-64,77,共11页
[目的/意义]事件语义模型是描述和组织事件内容的语义框架。对事件语义模型进行总结和剖析,可为相关研究提供参考。[方法/过程]文章梳理总结了7个典型通用事件语义模型(Event、SEM、LODE、ABC、LODE、EBSTDM和刘宗田等提出的事件语义模... [目的/意义]事件语义模型是描述和组织事件内容的语义框架。对事件语义模型进行总结和剖析,可为相关研究提供参考。[方法/过程]文章梳理总结了7个典型通用事件语义模型(Event、SEM、LODE、ABC、LODE、EBSTDM和刘宗田等提出的事件语义模型),并从其特点和应用领域等方面进行详细比较分析。[结果/结论]展望了事件语义模型的发展趋势,包括开发新的语义表示维度和建模视角;事件语义模型的横向连续性和纵向层次化相结合的研究;事件语义模型动态特征的语义组织研究。 展开更多
关键词 事件语义模型 语义维度 动态性 连续性 语义组织 EVENT SEM LODE ABC EB-STDM 刘宗田等提出的事件语义模型
下载PDF
融合知识图谱的多层级突发事件表示模型
3
作者 胡瑞娟 刘海砚 葛磊 《信息工程大学学报》 2023年第6期685-690,共6页
由于知识图谱表示方法缺乏对动态知识的描述,且不同领域对事件的认知和描述程度具有差异性,目前暂没有事件语义模型适用于突发事件领域。因此,亟需构建一种灵活、通用、强表达力的突发事件表示模型,来刻画事件知识及规律帮助应对各类突... 由于知识图谱表示方法缺乏对动态知识的描述,且不同领域对事件的认知和描述程度具有差异性,目前暂没有事件语义模型适用于突发事件领域。因此,亟需构建一种灵活、通用、强表达力的突发事件表示模型,来刻画事件知识及规律帮助应对各类突发事件的态势风险。以通用事件模型为基础,借鉴5W1H理论方法分析突发事件构成要素及逻辑关联,提出突发事件语义模型,设计并构建融合知识图谱的多层级事件表示模型对突发事件进行表示。以突发事件融合OpenKG的城市内涝知识图谱及2000—2022年的地震数据为例,验证了模型的可行性和实施的有效性,为突发事件态势认知的研究提供有效支撑。 展开更多
关键词 突发事件 多层级 事件表示 突发事件语义模型
下载PDF
基于事件结构的叙事性阅读文本智能分级评测探索
4
作者 张文彦 卢玉梅 《昆明学院学报》 2024年第2期35-44,共10页
叙事性阅读文本筛选对于阅读学习的有效开展有着重要作用。在事件-状态语义模型的基础上,文章从篇章层面出发,对于叙事性文本的事件结构进行了本体和应用的研究,包括定义事件结构,并归纳其特点和类型,形式化描写事件结构,以部编版语文... 叙事性阅读文本筛选对于阅读学习的有效开展有着重要作用。在事件-状态语义模型的基础上,文章从篇章层面出发,对于叙事性文本的事件结构进行了本体和应用的研究,包括定义事件结构,并归纳其特点和类型,形式化描写事件结构,以部编版语文教材中叙事型文本作样本,抽取叙事文本常用事件结构特征,以1047篇叙事性文本作为文本库,分析叙事性文本、事件结构和事件层级等特征,发掘叙事型文本相关特征在阅读活动开展过程中的分布规律,探讨其对叙事性文本分级的影响。 展开更多
关键词 事件-状态语义模型 事件结构 形式化 文本分级
下载PDF
AN HMM BASED ANALYSIS FRAMEWORK FOR SEMANTIC VIDEO EVENTS 被引量:1
5
作者 You Junyong Liu Guizhong Zhang Yaxin 《Journal of Electronics(China)》 2007年第2期271-275,共5页
Semantic video analysis plays an important role in the field of machine intelligence and pattern recognition. In this paper, based on the Hidden Markov Model (HMM), a semantic recognition framework on compressed video... Semantic video analysis plays an important role in the field of machine intelligence and pattern recognition. In this paper, based on the Hidden Markov Model (HMM), a semantic recognition framework on compressed videos is proposed to analyze the video events according to six low-level features. After the detailed analysis of video events, the pattern of global motion and five features in foreground—the principal parts of videos, are employed as the observations of the Hidden Markov Model to classify events in videos. The applications of the proposed framework in some video event detections demonstrate the promising success of the proposed framework on semantic video analysis. 展开更多
关键词 Video semantic analysis Hidden Markov Model (HMM) Event detection
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部