任务空间概念模型执行机制初探

任务空间概念模型（CMMS）是建立作战模拟系统的根据,概念模型的错误,将直接导致作战模拟系统运行结果不可信.因此,任务空间概念模型的质量非常关键,如何对任务空间概念模型进行校核、验证与确认（VV＆A）是一个非常值得研究的问题.该文在建立任务空间概念模型的形式化描述的基础上,建立了任务空间概念模型的执行机制,并提出了通过概念执行来对模型进行检查的方法.结果表明,通过概念执行,可以挖掘概念模型在结构上和逻辑上的一些错误.     

面向Cyber空间的任务建模方法

针对目前Cyber空间中任务与实体资源之间的关系难以刻画、任务执行过程中包含的逻辑关系难以描述的问题,提出一种面向Cyber空间的任务建模方法。首先,采用分层方法和图理论建立Cyber空间模型,描述Cyber空间结构和不同层次的实体资源及其交互关系。然后,定义Cyber空间任务及其作业组成,分析Cyber任务受到的实体约束、关系约束和完整性约束。最后,给出组成任务的作业之间存在的逻辑关系,用形式化的方法对Cyber任务执行关系进行描述。通过建立面向Cyber空间的典型军事任务模型,表明该方法能够完整描述任务执行过程中的逻辑关系,从而验证了该建模方法对Cyber任务描述的有效性。     

任务空间概念模型专家确认方法研究

任务空间概念模型是建立作战模拟系统的根据，概念模型的错误，将直接导致作战模拟系统运行结果不可信。所以，任务空间概念模型自身的校核、验证与确认（VV＆A）是一个非常值得关注的问题。该文只研究概念模型的确认。由于概念模型注重描述领域内的定性内容，概念模型的执行只可能是一种概念上的执行，不可能输出精确的数据，所以，传统的通过分析输出数据的方法已经不能适应任务空间概念模型的特点。该文借鉴层次分析法（AHP）思想，提出了一种可操作性较好的两阶段专家法确认方法。     

系统通信模型执行性研究

针对可执行体系结构中系统数据交换是如何最终落实到具体的通信网络或设备,并进行具体数据传输问题,提出了系统通信模型执行方法.该方法描述了系统通信模型具有的基本元素及相关属性、模型元素之间的关系和表示,阐述了系统通信模型与系统接口描述模型、系统数据交换描述以及系统状态转移/系统时序图之间的关系,说明了系统功能驱动系统数据交换的具体步骤以及系统通信模型执行的过程.系统通信模型的执行使系统体系结构模型在整体上形成一个内在的一致性执行体,充实并完善了可执行体系结构,为可执行体系结构的执行奠定基础.     

基于特征联合与多注意力的实体关系链接

实体链接和关系链接作为知识库问答的核心组件链接自然语言问题和知识库信息,通常作为两个独立的任务执行,但该执行方式忽略了链接中产生的信息间的相互影响。同时,将候选实体和关系分别计算相似性的方法没有考虑候选实体和关系的内在联系。提出一种基于神经网络的特征联合和多注意力的实体关系链接方法,运用神经网络对问题、实体、关系以及实体-关系对进行编码和向量表示学习,通过添加注意力机制的方法获取候选实体及关系在问题中的权重信息,在计算实体（关系）向量与问题向量的相似性时加入实体-关系对向量,利用实体-关系对中包含的信息提高链接的精度。在LC-QuAD和QALD-7数据集上的实验结果表明,与Falcon模型相比,该方法至少提高了1%的链接精度。     

复杂语义关系的描述与操作

现实世界的实体间往往存在着复杂的语义关系,而且实体间的关系往往是相互的。现有数据库无论是扩展了对象关系模型的Oracle,还是首次提出逆向关系定义的ODMG（object data management group）,它们对现实世界中实体之间复杂语义关系及其逆向关系的描述和处理依然存在着很大的不足。为了更好地表述和处理现实世界中实体间复杂的语义关系,提出了一种能够简易描述实体间复杂语义的新方法。介绍了该方法如何针对复杂语义关系建立模型和插入对象,指出了该方法相对于传统模型的优越性,设计实现了实体间逆向关系和目标对象类的自动创建和生成机制,分析了数据库一致性维护问题。比较了基于新方法实现的DBMS（data base management system）和Oracle的性能,指出了基于新方法的DBMS存在的问题。     

GIS矢量数据的拓扑空间模糊划分模型

在地理信息系统（GIS）中,针对现实世界复杂的地理现象和地理实体具有模糊不确定性而造成实体之间拓扑关系描述困难的问题,文中首先从四交模型和九交模型对空间实体间拓扑关系进行概述,然后在点集拓扑学的基础上,分析了复杂的模糊地理实体间拓扑关系形式化描述模型,并对该模型进行详细、准确的形式化描述和严格的数学表达,最后提出对模糊地理实体拓扑划分的改进方法和扩展模型。分析结果表明,该模型可以实现从简单实体到复杂实体的分析和模糊划分。     

基于多任务学习的生物医学实体关系抽取

生物医学实体关系抽取是生物医学文本挖掘领域的一项重要任务,它可以自动从生物医学文本中挖掘实体间的相互关系。目前,生物医学实体关系抽取方法一般只针对某一特定任务(如药物关系,蛋白质交互关系抽取等)训练单任务模型进行抽取,忽略了多个任务之间的相关性。因此,该文使用基于神经网络的多任务学习方法对多个生物医学关系抽取任务间的关联性进行了探索。首先构建了全共享模型和私有共享模型,然后在此基础上提出了一种基于Attention机制的主辅多任务模型。在生物医学领域关系抽取的5个公开数据集上的实验结果表明,该文的多任务学习方法可以有效地在学习任务之间共享信息,使得任务间互相促进,获得了比单任务方法更好的关系抽取结果。     

基于可拓学的任务空间概念模型确认方法

任务空间概念模型是现实世界军事知识的第一层抽象,是仿真系统开发的业务基础。所以,任务空间概念模型的质量直接影响到仿真系统的质量,而任务空间概念模型自身的VV＆A是一个非常值得关注的问题。任务空间概念建模本质上看是军事领域的知识表示或者需求描述,以定性描述为主,定量成分非常少。因此,传统的通过分析输出数据的方法不能适应任务空间概念模型的特点。本文从专家法的角度借鉴可拓学的思想,引入了一种基于可拓学的任务空间概念模型确认方法。     

战场关键事件提取与告警方法

本文主要研究了基于事件模型定制的战场关键事件提取与告警方法,用于实现战场关键事件的提取和告警。分析了战场关键事件的主要类型和特征,建立了战场关键事件核心描述模型。战场关键事件提取主要实现了目标与区域之间关系、目标与分界线关系、战场实体属性变化、部队实力变化的计算。文中描述了从建立模型到关键事件提取和告警信息发布的整个流程,实践证明,该流程提高了指战员掌握战场态势的效率,使其快速做出指挥决策。     

任务空间概念模型(CMMS)研究

任务空间概念模型（Conceptual Models of the Mission Space,CMMS）是美国建模与仿真主计划提出的三大目标之一,与HLA、DS共同组成M＆S的技术框架,它是对真实世界的、独立于仿真的首次抽象,即有关真实世界军事行动过程（功能、任务、行动和状态等）、实体（人员、单位、机制和系统）、交互（控制、转换、信息）的概念性描述.该文通过对任务空间概念模型的定义、组成、过程及位置等理论的阐述,使大家对CMMS有一定的认识.然后通过对CMMS与系统仿真开发过程中的几个关键因素之间的关系进行的分析,使大家进一步认识CMMS作为作战人员的真实世界和仿真开发人员的综合世界在仿真开发过程中所起到的桥梁作用,它对建模与仿真的互操作与重用有着重要的意义.     

基于CMMS的综合电子信息系统想定研究

任务空间概念模型是建模与仿真通用技术框架的三个组成部分之一,其目的是促进国防建模与仿真领域仿真部件的重用和互操作.而想定是综合电子信息系统建设过程中的重要组成部分,是进行战争模拟的基本前提;它针对研究分析和训练的问题,对模拟的战争系统的空间、时间、过程以及为了实现这一模拟仿真过程所需要的背景、条件、约束、规则以及仿真资源的设定.作战想定具体刻画了战争系统中需要描述的实体种类、数量以及需要关注的实体属性和活动.针对目前想定与仿真模型紧耦合而带来仿真系统重用性差等缺点,利用CMMS的思想,提出了一种能够实现想定与仿真系统相分离的处理机制,以促进想定的重用的和仿真的互操作性.     

一种基于构件技术实现物理网络拓扑发现的方法

物理网络拓扑指的是一个通讯网内部实体的物理实际链接,准确自动获取物理网络拓扑图是完成许多重要网络管理任务的前提。以物理网络拓扑发现构件设计与实现过程为例,以UML为建摸语言,介绍了一种利用设计模式设计构件具体功能的方法。     

Modeling the Correlations of Relations for Knowledge Graph Embedding

嵌入的知识图,印射实体和关系直到低维的向量空格,在象连接预言和关系抽取那样的许多任务表明了它的有效性。典型方法包括 TransE, TransH,和 TransR。所有这些方法独立印射不同关系直到向量空间并且这些关系的内在的关联被忽略。在那里存在,是明显的在关系之中的一些关联因为不同关系可以与一个普通实体连接。例如,三元组(史蒂夫工作, PlaceOfBrith,加利福尼亚) 并且(苹果公司,地点,加利福尼亚) 作为他们的尾巴实体分享一样的实体加利福尼亚。我们分析矩阵由 TransE/TransH/TransR 学习了的嵌入的关系,并且发现关系的关联确实存在,他们在嵌入的关系矩阵上作为低等级的结构被给看。问我们是否能利用这些关联在一张知识图为实体和关系学习更好的 embeddings 是自然的。在这份报纸,我们建议由作为二个低维的矩阵的一个产品分解它学习嵌入的关系矩阵,为描绘低等级的结构。建议方法,叫的 TransCoRe (经由为关系的关联建模的基于翻译的方法) ,与基于翻译的框架听说 embeddings 实体和关系。试验性的结果基于 WordNet 和 Freebase 的基准数据集证明我们的方法在连接预言和三倍的分类任务上超过典型基线。     

Joint entity–relation knowledge embedding via cost-sensitive learning

As a joint-optimization problem which simultaneously fulfills two different but correlated embedding tasks (i.e., entity embedding and relation embedding), knowledge embedding problem is solved in a joint embedding scheme. In this embedding scheme, we design a joint compatibility scoring function to quantitatively evaluate the relational facts with respect to entities and relations, and further incorporate the scoring function into the max-margin structure learning process that explicitly learns the embedding vectors of entities and relations using the context information of the knowledge base. By optimizing the joint problem, our design is capable of effectively capturing the intrinsic topological structures in the learned embedding spaces. Experimental results demonstrate the effectiveness of our embedding scheme in characterizing the semantic correlations among different relation units, and in relation prediction for knowledge inference.     

虚拟现实环境中协同实验系统的实体建模

虚拟现实环境中协同实验系统的实体是协同实验的基本构成元素。文章将协同实验系统中的实体划分为静态对象和动态对象两类,定义了实验数据的模型,建立了协同实验中的角色,给出了协同实验工程的异步实验环境和同步会议实验操作机制,并提出了实体对象之间的层状逻辑关系模型。     

基于SOA的汽车SCM设计与实现

为了快速、便捷地实现汽车SCM中各异构实体间的信息交互和信息共享、提高构建汽车SCM的IT基础架构的灵活性、降低企业软件成本,提出了基于SOA的汽车SCM实现模型.充分利用SOA的松耦合性、独立性和与平台无关性等特点,在重用汽车SCM领域现有业务逻辑和数据模型的基础上,对汽车SCM的核心环节进行组织再造和业务流程再造.基于SOA的汽车SCM系统打通了汽车企业信息共享的瓶颈,为满足汽车主机厂JIT供给提供了信息支撑平台,它是在确保汽车企业当前的短期效益与永久改善IT环境之间的一个完美平衡点,是一个面向企业未来的长期策略.