基于嵌套语义的约束代数

1 引言约束数据库近期被Kanellakis等提出作为处理空间数据的一般性框架。约束数据库用约束来建模和检索数据。在数据层,约束能用有限的形式来表示可能是无限的关系元组集。例如,约束x~2 y~2≤9表示中心在点(0,0)处,半径为3的圆。在查询语言层,约束通过允许数学计算而增强了简单关系语言的表达能力,同时约束查询语言保留了关系查询语言的所有特征,如封闭性和自底向上求值。关系代数能被扩充来处理约束关系,这个新的代数叫做约束代数CALG。     

基于属性的访问控制策略合成代数

访问控制策略合成是确定分布式聚合资源访问控制策略的关键.为了规范策略合成和保障策略合成正确性,基于属性刻画了实体间的授权关系,通过属性值的计算结构扩展了现有的策略合成形式化框架,建立了新的基于属性的策略合成代数模型APoCA(attribute-base access control policy composition algebra).通过示例分析说明APoCA具有更强的策略合成描述能力和普适性,适应于更为复杂的应用场景.用代数表达式形式化地描述聚合资源的访问控制策略,讨论了策略表达式的若干代数性质,说明可借助策略表达式的代数性质去验证策略合成结果是否符合各方对聚合资源的保护性需求.给出了将代数表达式翻译成逻辑程序的翻译器,为聚合资源的访问控制策略评估和应用提供基础.     

基于二阶基调的时空查询代数形式化定义

提出了一种基于对象关系数据库和中间件技术的时空数据库系统实现与查询处理框架，着重论述了其中的时空查询代数。引入了二阶基调用于时空查询代数的形式化定义，给出了时宅数据库的逻辑结构定义、类型系统定义以及查询操作定义。     

LOTOS事件结构语义模型的实现

本文以LOTOS为基础,简介了LOTOS进程代数的概念和算子。同时,以事件结构作为进程代数的语义模型,充分展示了形式化方法是如何对一个复杂系统进行静态或动态刻画。本文最后以上述理论为基础,开发出一款辅助软件工具。该软件具有两方面的用途:一是能对给定的一个LOTOS语言层次上的系统刻画,自动生成结构层次上的系统模型;二是进行等价性模型检测。此工具将形式化方法的推理过程可视化、实用化。     

OreintXA:一种有效的XQuery查询代数

XQuery是XML查询语言的推荐标准.现有的XQuery处理策略有两种方法,一种是基于核心语法一次一结点的方法,另一种是基于查询代数的一次一集合的方法.单独使用这两种方法都不能很好地处理XQuery查询.一方面,基于核心语法树的方法效率低,而且很难优化,而现有基于代数的方法又不能很好地满足XQuery的过程化查询语言的特性.描述了一个有效的XQuery代数系统--OrientXA.它是在总结现有的基于代数的XQuery查询工作、分析未解决的问题,并吸收了前述的两种策略的思想的基础上提出来的.它第一次提出了构造模式树的概念,其中的构造操作符能体现XQuery的灵活特征.由于操作符具有很强的表达能力,OrientXA能够表达W3C的用例和XMark测试集的所有查询.     

主动数据库的时序事件代数

通过引入一元时序算子,表达事件之间任意杂的相对次序关系,在此基础上重新定义了描述复合件的时序事件代数,并证明了该事件代数良好的数学性质,不仅增强了事件描述语言的描述能力,也为处理规划执行的合流性提供了新的方法。     

一种基于XML的树型代数

为了解决Web仿真中,关系代数这种数据模型的查询功能的局限性.介绍了一种形式化的集合代数(bulk algebra)称为TAX(Tree Algebra for XML,基于XML的树型代数).TAX的数据模型为有标签的有序树组成的森林,它把关系代数和簇聚融合在一起,提出了树节点和完整树,并构造了模式树和证据树,在此基础上定义了一些数据查询操作.通过对TAX的仿真研究,仿真结果表明TAX不仅可以作用于XML的数据,而且还能有效的把这些面对用户的XML查询语言转换成面对XML数据库的高效的查询语言.同时满足数据的直观性、高效的计算性和有效的优化,而且表达了最多的XML查询.     

基于事件代数的入侵检测系统

该文提出了一种基于事件代数的多事件入侵特征的形式化定义机制,用一组事件运算来表示入侵特征,对多事件入侵检测特征定义中的若干普遍问题给出了系统化的解决方案。文章还提出了一种“带约束的有色Petri网模型”来构造事件检测引擎。     

条件事件代数研究综述

综述了条件事件代数理论的原理、主要性质和应用．条件事件代数是一门新兴的解决不确定性、概率性和模糊性推理问题的学科,是在确保规则概率与条件概率相容的前提下,把布尔代数上的逻辑运算推广到条件事件(规则)集合中得到的代数系统,目的是为智能系统中的条件推理建立一个数学基础．该文也对比条件事件代数更一般的逻辑系统——关联事件代数理论进行了介绍．     

基于条件事件代数的贝叶斯网的逻辑推理

条件事件代数理论在数据融合系统中有着重要的应用前景,该理论可用来解决不确定性、概率性和模糊性推理问题。条件事件代数是在确保规则与条件概率相容的前提下,把布尔代数上的逻辑运算推广到条件事件(规则)集合中的逻辑代数系统。对于一些特殊的贝叶斯网(如多树型网络)已经有了一些可行的概率推理的算法,但到目前为止,还没有可行的逻辑推理的算法。随着对不确定性知识研究的深入,迫切需要具有逻辑推理的算法。论文介绍了乘积空间条件事件代数的定义和基本性质,提出了基于乘积空间条件事件代数的贝叶斯网的逻辑推理的算法以及应用。     

一种复杂事件处理语言的自定义函数功能扩展

为使复杂事件处理语言满足股票分析、故障监控等行业的细粒度查询需求,本文为一种复杂事件处理语言CEStream扩展支持细粒度数据处理的用户自定义函数功能。函数通过对数据逐个处理和函数重载实现细粒度处理功能。同时函数内可调用原有语句,给用户提供基础的模块化功能,提高语言的复用性。实验结果表明扩展的函数功能使语言能够支持更细粒度的查询需求,同时在完成相同查询需求时使用函数相对于使用原有语句完成系统吞吐量基本相同。     

基于事件元素无向图的查询扩展方法

借助新闻事件元素之间的关联特性,提出了基于事件元素无向图的查询扩展方法,利用新闻事件元素之间的关联关系进行查询扩展提升新闻事件检索效果。首先分析候选事件文档与查询项的关系,确定待扩展的元素;然后利用事件元素之间的关联关系构建无向图,通过事件向量空间计算边的权重;最后,利用无向图节点权重模型计算事件元素权重,依据权重进行事件元素扩展。在新闻事件查询扩展方面进行了对比试验,结果表明该文提出的查询扩展方法取得了较好的效果。     

融入事件实体知识的汉越跨语言新闻事件检索

现有汉越跨语言新闻事件检索方法较少使用新闻领域内的事件实体知识,在候选文档中存在多个事件的情况下,与查询句无关的事件会干扰查询句与候选文档间的匹配精度,影响检索性能。提出一种融入事件实体知识的汉越跨语言新闻事件检索模型。通过查询翻译方法将汉语事件查询句翻译为越南语事件查询句,把跨语言新闻事件检索问题转化为单语新闻事件检索问题。考虑到查询句中只有单个事件,候选文档中多个事件共存会影响查询句和文档的精准匹配,利用事件触发词划分候选文档事件范围,减小文档中与查询无关事件的干扰。在此基础上,利用知识图谱和事件触发词得到事件实体丰富的知识表示,通过查询句与文档事件范围间的交互,提取到事件实体知识表示与词以及事件实体知识表示之间的排序特征。在汉越双语新闻数据集上的实验结果表明,与BM25、Conv-KNRM、ATER等基线模型相比,该模型能够取得较好的跨语言新闻事件检索效果,NDCG和MAP指标最高可提升0.712 2和0.587 2。     

面向CPS复杂事件流的不确定性研究

信息物理融合系统CPS获得广泛应用需要解决的一个关键问题是软件中的信息处理部分,而复杂事件处理是CPS中信息处理的核心任务之一。CPS环境下的事件具有异构、分散、海量和不确定性等特征。在CPS实际应用中,因噪声、传感器误差、通讯技术等原因而造成的事件不确定性急需解决。为了解决CPS系统中存在的海量不确定事件流问题,提出一种处理不确定事件流的复杂事件处理方法USCEP,该方法不仅可以实时有效地处理海量不确定事件流,还可以有效计算复杂事件的概率。USCEP对现有RFID复杂事件监测方法 RCEDA进行了改进,提供了历史概率事件查询处理的支持,提出一种事件概率模型进行概率计算,并通过关联查询表来提高效率。实验表明,在处理不确定事件流时,该方法比传统方法具有更好的性能。     

基于深度残差注意力的图像事件描述

图像事件描述是根据图像特征数据再结合自然语言处理技术,输出图像事件的语句描述的技术。图像事件的描述,对图片分类、查询等有着极高效率,为了达到更精确的描述效果,本文提出基于深度残差注意力的图像事件描述方法。该方法以ResNet的网络结构为基础,联合分离出的全局注意力与局部注意力,关注图像事件中心事件,生成图像事件描述。在COCO数据集上的实验表明,本文提出的方法能更好关注事件发生区域,对抽象事件描述更为准确。     

Efficient multi-event monitoring using built-in search engines

Users of the internet often wish to follow certain news events, and the interests of these users often overlap. General search engines (GSEs) cannot be used to achieve this task due to incomplete coverage and lack of freshness. Instead, a broker is used to regularly query the built-in search engines (BSEs) of news and social media sites. Each user defines an event profile consisting of a set of query rules called event rules (ERs). To ensure that queries match the semantics of BSEs, ERs are transformed into a disjunctive normal form, and separated into conjunctive clauses (atomic event rules, AERs). It is slow to process all AERs on BSEs, and can violate query submission rate limits. Accordingly, the set of AERs is reduced to eliminate AERs that are duplicates, or logically contained by other AERs. Five types of event are selected for experimental comparison and analysis, including natural disasters, accident disasters, public health events, social security events, and negative events of public servants. Using 12 BSEs, 85 ERs for five types of events are defined by five users. Experimental comparison is conducted on three aspects: event rule reduction ratio, number of collected events, and that of related events. Experimental results in this paper show that event rule reduction effectively enhances the efficiency of crawling.     

基于有序事件列表的高效复杂事件匹配算法

针对现有的复杂事件匹配处理方法存在的匹配代价高的问题,提出了一种利用事件缓冲区（有序事件列表）进行递归遍历的复杂事件匹配算法ReCEP。不同于现有方法利用自动机在事件流上进行匹配,该算法将复杂事件查询模式中的约束条件分解为不同类型,再在有序列表上对不同约束分别进行递归校验。首先,根据查询模式将相关事件实例按照事件类型进行缓存;其次,在有序列表上对事件实例执行查询过滤操作,并给出了一种基于递归遍历的算法来确定初始事件实例并且获取候选序列;最后,对候选序列的属性约束进行进一步的校验。基于股票交易模拟数据进行的实验测试和分析的结果表明,与当前主流的匹配方法 SASE和Siddhi相比,ReCEP算法能够有效地减少查询匹配的处理时间,总体性能上均更优,查询匹配效率提升了8.64%以上。可见,所提出的复杂事件匹配方法能够有效提高复杂事件匹配的效率。     

MOLECULAR EVENT EXTRACTION FROM LINK GRAMMAR PARSE TREES IN THE BIONLP’09 SHARED TASK

The BioNLP’09 Shared Task deals with extracting information on molecular events, such as gene expression and protein localization, from natural language text. Information in this benchmark are given as tuples including protein names, trigger terms for each event, and possible other participants such as bindings sites. We address all three tasks of BioNLP’09: event detection, event enrichment, and recognition of negation and speculation. Our method for the first two tasks is based on a deep parser; we store the parse tree of each sentence in a relational database scheme. From the training data, we collect the dependencies connecting any two relevant terms of a known tuple, that is, the shortest paths linking these two constituents. We encode all such linkages in a query language to retrieve similar linkages from unseen text. For the third task, we rely on a hierarchy of hand‐crafted regular expressions to recognize speculation and negated events. In this paper, we added extensions regarding a post‐processing step that handles ambiguous event trigger terms, as well as an extension of the query language to relax linkage constraints. On the BioNLP Shared Task test data, we achieve an overall F1‐measure of 32%, 29%, and 30% for the successive Tasks 1, 2, and 3, respectively.     

Temporal event searches based on event maps and relationships

To satisfy a user’s need to find and understand the whole picture of an event effectively and efficiently, in this paper we formalize the problem of temporal event searches and propose a framework of event relationship analysis for search events based on user queries. We define three kinds of event relationships: temporal, content dependence, and event reference, that can be used to identify to what extent a component event is dependent on another in the evolution of a target event (i.e., the query event). The search results are organized as a temporal event map (TEM) that serves as the whole picture about an event’s evolution or development by showing the dependence relationships among events. Based on the event relationships in the TEM, we further propose a method to measure the degrees of importance of events, so as to discover the important component events for a query, as well as the several algebraic operators involved in the TEM, that allow users to view the target event. Experiments conducted on a real data set show that our method outperforms the baseline method Event Evolution Graph (EEG), and it can help discover certain new relationships missed by previous methods and even by human annotators.     

基于事件共享机制的物联网复杂事件处理方法

针对物联网(IOT)复杂事件查询处理过程中的重复查询、存储和处理的问题,提出了事件共享机制(ESM)。首先,为了实现复杂事件的查询与检测,给出了物联网语义事件定义及事件操作符的语义描述;其次,从公共子查询的定义、公共内部查询结构的设计以及事件资源的共享三个角度对物联网事件共享机制展开研究,通过查询表达式的重写、有向无环图(DAG)的构建,以及在结点上使用改进的Continuous参数上下文对事件流进行处理,实现公共子事件查询、存储和处理的共享;最后,构建了基于事件共享机制的语义形式化查询计划处理模型(SFQPM),该模型可自动对查询表达式和查询谓词进行处理,实现复杂事件检测和处理的自动化。仿真结果表明,与基于二叉树(BTree)的处理方法进行对比,所提出的SFQPM具有较高的处理效率和可靠性,实现了复杂事件检测与中间结果共享机制的有机统一,提高了系统的处理效率。最后通过案例研究验证了所提出算法的有效性和可行性。