基于图卷积网络融合依存信息的事件检测方法

句子级别细粒度的事件检测任务旨在对触发词进行识别与分类。针对现有事件检测方法中存在的过度平滑及缺乏依存类型信息的问题,提出了一种基于图卷积网络融合依存信息的事件检测方法。该模型首先使用双向长短期记忆网络对句子进行编码,同时根据依存分析构建多阶句法图和依存句法图;然后利用图卷积网络融合句子的依存信息,从而有效地利用多跳信息和依存标签信息。在自动文本抽取数据集上进行实验,在触发词识别和分类这两个子任务中分别取得了81.7%和78.6%的F 1值。结果显示,提出的方法能更加有效地捕获句子中的事件信息,提升了事件检测的效果。

缓冲区有限的生产系统的建模与分析

本文用极大代数对缓冲区有限的串行生产系统建立了状态方程。这种模型具有简洁而直观的特点,便于直接列写,与缓冲区无限时的串行生产系统模型的计算量相同。文中给出若干分析实例予以验证,并叙述了这种模型的推广前景及存在的问题。

混杂时间事件图的最小初始标志计算方法

采用极大代数方法研究混杂时间事件图(HTEG)的最小初始标志问题.通过构造新型的双子代数系统,给出了HTEG的线性极大代数模型,并基于该模型诱导出偏序关系.利用这个极大代数系统及其偏序关系的单调性、可逆性等性质,提出了一种HTEG最小初始标志的计算方法.HTEG的标志往往表示系统资源,提出的最小初始标志计算方法是一种最小资源分配算法,适用于制造系统、计算机网络等人造系统.最后用一个简单的实例说明了该方法的正确性.

VASR-CBMC:基于变量子图的多线程程序验证

Yogar-CBMC基于事件顺序图实现了反例抽象精化思想,是当前最有效的多线程程序验证工具之一。针对事件顺序图过于复杂,导致判断反例可行性及求解精化约束耗时过长的问题,提出变量子图概念及基于变量子图的抽象精化方法,将全局事件顺序图分解为连通等价的变量子图集,基于变量子图执行反例验证与精化求解,从而有效缩小图的规模,提升验证效率。将该方法实现为VSAR-CBMC,实验证明其相较于Yogar-CBMC验证时间平均缩短43%,有效提升了模型检验对并发程序的验证能力。

事件触发下多智能体系统固定时间二分一致性

针对具有符号有向图的一阶多智能体系统,研究了其固定时间二分一致性问题。为降低控制过程中多智能体系统的能量损耗,提出了一种基于事件触发机制的分布式控制协议。以图论和李雅普诺夫理论为主要研究工具,给出了多智能体系统在所设计控制协议作用下实现固定时间二分一致性的充分条件和与系统初始状态无关的收敛时间上界,并证明了使用该协议可以有效避免对智能体的连续控制和Zeno行为的发生。数值算例验证了所得理论结果的有效性。

融合SPO语义和句法信息的事件检测方法

【目的】利用SPO三元组语义信息和依存句法关系类型信息提升事件检测模型的性能。【方法】融合SPO三元组语义信息和依存句法关系类型信息构造事件检测模型EDMC3S。该模型以语句的依存句法树为基础生成SPO三元组和依存句法关系类型矩阵,使用多头注意力机制对SPO三元组进行语义特征强化,利用自注意力机制对不同的依存关系类型进行权重分配后,通过多阶图注意力聚合网络对语句的全局句法和语义特征进行提取,最后使用一个全连接层对SPO三元组语义特征和语句全局特征进行整合。【结果】在ACE2005数据集上的实验结果显示,EDMC3S事件检测模型在触发词识别与事件类型分类这两个子任务中获得了较好的分类性能。在P、R和F1值三个评价指标上触发词识别分别达到80.6%、82.4%和81.5%,事件类型分类分别达到78.7%、80.1%和79.4%。【局限】仅在ACE2005数据集上进行实验验证。【结论】SPO三元组语义特征和词之间依存句法关系类型的引入能够提升事件检测中的触发词识别和事件类型分类效果。