神经网络事件抽取技术综述

事件抽取是信息抽取领域一个重要研究方向,对信息检索、自动问答、舆情分析等领域均有很高的应用价值.传统事件抽取方法大多采用人工构建的方式进行特征表示,并通过分类模型进行事件触发词分类和论元角色识别.近年来,神经网络方法在图像分类、语音识别和自然语言处理等领域展现了突出的效果.神经网络方法的优势在于能够自动学习构建特征,从而避免了繁琐的特征工程.本文将对神经网络事件抽取技术进行系统论述,并展望未来的研究方向.     

关系抽取方法研究

关系抽取是自然语言处理技术的重要基础之一,也是机器学习、模式识别和本体工程等相关领域广泛研究的问题。近年来,随着相关领域中新技术的不断涌现,关系抽取方法也得到了新发展。对这些新发展进行了较详细的归纳,总结了关系抽取方法发展的趋势。     

开源事件库的对比和评估研究

恐怖事件、暴动事件、突发事件等社会事件对国家安全造成了极大的威胁,也给社会治理带来了新的挑战。事件库通过记录社会现实事件,能够在态势感知、风险预警、应急响应等社会安全应用中发挥重要作用。构建全球事件库的两个开创性项目ICEWS和GDELT最近获得了广泛关注,文中对这两个全球事件库进行了系统的分析、对比和评估,以期为事件库构建、事件抽取和事件图谱等领域提供帮助和参考。     

双路注意力引导图卷积网络的关系抽取

为了更好地学习节点依赖并利用结构信息,本文提出一种以完全依赖树作为直接输入的新方法,利用图卷积网络并结合两个并行的注意力模块,自主学习如何有选择地关注对关系抽取任务有用的信息.该方法将样本表示成图上的各节点,一个模块用于计算节点特征位置之间的影响,使特征向量可以包含更广范围的语义信息,另一个用于计算节点依赖的关系特征,...     

一种基于Petri网的监控视频事件抽取方法

通过扩展Petri网定义,提出了一种监控视频事件时空关系和逻辑关系的描述方法,通过将语义级的查询事件映射成Petri网,再在Petri网推理过程中结合计算机视觉算法对场景运动目标行为的解释,实现了有关运动目标行为的事件抽取和相应监控视频片段的定位.     

鲁棒声学事件检测综述

声学事件是指一段单一完整并能够引起人们感知注意的短时连续声音信号,而声学事件检测是指对这些声学事件进行识别。随着便携式摄像机与视频网站的迅猛发展,基于内容的声学事件检测在各领域的应用日趋广泛,例如个性化多媒体搜索、数字图书馆、网络管理与信息安全等。近年来,尽管研究者们提出了很多声学事件检测方法,但是由于采集设备、采集环境与传输条件等的千差万别,新环境下的音频数据日趋繁杂,使得类内数据差异较大且类间数据易混,从而导致传统识别方法的性能急剧下降,因此迫切需要研究当前环境下的鲁棒声学事件检测方法。     

基于BootStrapping的中文事件元素抽取系统设计与实现

采用基于BootStrapping的方法实现中文事件元素抽取系统。其中,将事件元素抽取定义为一个模式匹配问题。针对这一问题,首先构建了初始种子集,然后创新性地引入了BootStrapping方法构建模板集,并使用模式匹配的方法进行事件元素抽取。在模板构造过程中,提出了基于BestMatch的模板泛化算法[1]。对任意两个事件实例模板[2]进行匹配,计算其匹配代价并泛化,提高了模板的覆盖能力。所实现的系统在ACE 2005语料测试中取得了不错结果。     

基于ABBSAC模型的中文事件抽取方法

事件抽取作为信息抽取的重要一环,是非结构化文本转化为有价值的结构化文本的主要方式。针对目前事件抽取模型普遍训练时间长、模型体量大等问题,提出了一个基于ABBSAC的中文事件抽取模型。通过ALBERT预训练模型缩减模型体量,采用BiSRU++捕捉文本内部关联信息,并融合注意力机制提升模型精度,最后以CRF的输出作为抽取结果。基于新浪新闻自主构建了语料集,进行了对比实验。在获得较高准确率、召回率以及F1值的基础上,该模型训练速度提高了约10%,模型参数量裁剪了约82%,证明了所提模型的先进性。同时,在ACE05和DUEE基准测评数据集上,与前沿方法相比较,将触发词抽取的F1值分别提升了1.7%、0.3%,将论元角色抽取的F1值分别提升了5.4%、0.1%,有效提升了中文事件抽取任务的效能。     

基于语义角色分析的事件抽取技术

利用语义角色分析的方法对动态新闻进行事件抽取研究。通过对句子进行论元结构标注,抽取出句子中以谓语动词为中心的论元结构,将其转化为具体的语义角色,并与事件要素进行匹配,完成事件抽取工作。论文提出并重点研究了如何利用VerbNet和SemLink资源对动词的论元结构与事件要素进行匹配。抽取系统基于该方法对1 000篇新闻语料进行了事件抽取实验,结果表明该方法的F值达到70.6%,具有一定的应用价值。     

面向新兴产业的检验检测服务关系抽取

挖掘新兴产业中的检测信息有利于发现检测机构的检测能力,促进机构合作,加速产业升级.针对新兴产业检验检测数据存在语义混乱、一个主实体对应多个客实体的问题,本文提出一种混合关系标签的深度神经网络实体关系抽取模型.在输入层,构建基于关系的标签,并与语义信息拼接形成模型的输入,增强了模型对不同关系的区分度;在特征提取层,使用双...     

新型网络环境中的事件相关性研究

随着网络规模的扩大,作为网络管理五大功能之一的故障管理在网络运行中起着越来越重要的作用.作为故障管理核心部分的故障定位通过可观测的外部征兆分离出被管系统中的故障.目前故障定位的工作主要还是诊断协议栈中较低层的故障,新的网络环境需要故障诊断能够在协议栈的多层中综合完成.文中对故障定位现在所用的相关性分析的方法,及目前这些技术所面临的问题进行了探讨.     

深度融合云环境自身架构的东西向攻击检测技术研究

随着云和容器等虚拟化技术的不断扩张,云、数据中心和企业网中的东西向流量呈快速增长趋势。如果不采集虚拟网络流量,用户80%的网络流量将呈现“黑盒”状态,无法对云平台内东西向量进行安全管控,在等保2.0云计算安全扩展中明确要求针对虚机之间、宿主机与虚机间的流量需要进行检测和异常告警。本文通过对业内现有东西向流量检测方案进行分析,研究并提出一种与云平台自身架构深度融合且非侵入式的流量获取方式,基于大数据分析和机器学习算法提升攻击检测能力的整体方案,此外还研究了融合过程中与云平台业务自动适配的问题。     

面向探地雷达 B-scan图像的目标检测算法综述

利用无损探测技术来获取地下目标的信息是当前研究的热点,探地雷达(GPR)作为一种重要的无损工具,已被广泛用于检测,定位和特征化地下目标。然而,从GPR成像中探测掩埋物体并评估其位置既费时又费力。因此,实现地下目标的自动化探测对实际应用是必要的。为此,该文在综合分析地下目标回波特征的基础上,讨论了使用GPR评估目标位置的可行性,并回顾了国内外学者在GPR成像中对双曲线特征自动化检测的研究进展。该文还在国内外典型实例剖析的基础上,总结并比较了目标检测的处理方法。最后指出,未来的研究应集中于开发新的深度学习检测框架,用以自动检测和估计真实场景中的地下特征。

     

一种分布式异步事件处理框架的研究与实现

文章研究和实现了一种分布式的异步事件处理框架(Distributed Asynchronous Event Handling Framework,DAEHF).应用开发人员可以基于DAEHF开发异步事件驱动运行的应用程序,DAEHF高效、灵活地为应用开发人员解决了应用程序网络通信的问题,同时还具备通用、易用、任务自动部署等特点,非常适合应用开发人员开发大型分布武应用系统.本文在设计和实现DAEHF的过程中研究使用了设计复用、线程池、异步事件处理、任务自动部署等关键技术.DAEHF已经在中国科学院科学数据库系统平台软件的数据访问中间件中得到初步的应用.     

DDoS攻击检测研究综述

DDoS攻击作为当前网络安全最严重的威胁之一,近年来随着僵尸网络的盛行,其攻击影响日趋扩大,因此对DDoS攻击进行检测变得尤为重要。本文按照攻击层次和检测位置的不同,对于不同的DDoS攻击检测方法给出了详细的分类,同时在此基础上对各类检测方法进行分析和性能比较,明确了各种检测方法的特点和应用范围,最后讨论了当前攻击检测存在的问题及进一步研究的方向。     

一种单粒子翻转机制及其解决方法

针对某款超深亚微米专用集成电路(ASIC)出现的异常单粒子翻转现象,分析了导致异常翻转的机制,针对这种机制提出了2种解决方法,并给出了2种解决方法的适用范围。重离子试验结果表明,采用新方法实现的时序逻辑具备更高的翻转阈值和更低的翻转截面,基于新方法研制的ASIC产品的抗单粒子翻转能力得到显著提高。     

基于AI的伪基站轨迹定位方法研究与实践

本文提出了一种基于机器学习最大熵模型的伪基站轨迹识别方法,通过建立道路与小区覆盖模型;结合位置更新数据,利用伪基站影响小区识别算法,在系统侧实现了对伪基站的活动轨迹精确定位识别。     

LTE网络中业务识别方案的研究与实现*1

为了实现对长期演进(Long Term Evolution,LTE)网络的业务识别,分析了S1接口用户面协议栈,利用模块化设计思想实现了对S1接口流量的业务识别.针对传统业务识别系统识别度低、统计能力不强的缺陷,在传统的业务识别系统基础上,提出了一个多识别的业务识别方案,实现了对业务类型的精确识别.经过现网数据测试验证,所设计的多识别的业务识别方案达到了预期的效果,在LTE移动通信网络业务识别领域具有推广意义.