基于关系数据库实现时态数据库

事物随时间变化的特性广泛存在,在其属性的特征值上存在着大量时态数据。然而关系数据库由于关系模型本身限制,基于关系的时态信息处理难以有效表示时态对象复杂的数据结构,不具备直接的时态数据管理能力。以简易的人事信息管理系统为例,对基于关系数据库的时态数据存取进行了探讨。     

语义不确定时态跨度的规范化处理及近似运算

不确定时态的语义处理及近似运算是时态系统的研究与应用中不可忽视的基本问题.不确定语义的转换、时态粒度的规范化以及不确定时态间的近似运算和语义还原成为不确定时态信息处理中的难点.针对时态跨度中不确定语义造成的时态不确定性与多样性,提出了对不确定语义进行转换的思想,将其转换为区间数的形式,结合时态的粒度属性,给出了不确定时态跨度的形式化描述,使其成为可计算问题;根据时态粒度约束对不确定时态跨度进行了规范化处理,使其可以参与运算;最后结合时态区间数给出了不确定时态跨度间的运算及语义还原方法,有效地处理了不确定时态跨度间的复杂运算,典型的运算过程均给出了示例予以说明.     

基于复杂形态数据的主曲线提取算法及其在图像骨架提取中的应用

针对目前存在的主曲线算法对提取分散度大、高度弯曲及自相交等复杂形态数据效果不好的情况,提出从复杂数据集中找到主曲线的新方法.算法首先用细化算法初始化顶点集得到初步骨架图,并合并邻近顶点;然后采用Kégl主曲线算法的拟合光滑步思想并加以改进来平滑顶点位置,通过迭代构建出主图;最后采用Kégl主曲线算法的重构步进一步修正主图.算法在模拟数据集上进行试验而且还被运用于图像骨架提取,实验结果表明它对提取复杂数据的主曲线是非常有效的.     

时态关系数据模型C-TRDM的存储技术研究

针对传统数据库和现有时态数据库中存在数据冗余及时态数据库中数据量快速增长等现象,结合现有的压缩技术,提出了时态数据压缩存储策略来解决时态数据存储中的数据冗余现象,并用分立时钟法和共用时钟法对缓变域、瞬变域时态数据进行存储.提出网格存储策略来解决时态数据快速增长问题.     

一种基于时态中间件的高效双时态索引模型

当前的时态数据库中间件不支持包含事务时间和有效时间的双时态数据索引,通过使用适当的数据变换和查询变换,可将双时态数据转化为R树可索引的数据.基于4R技术,提出了作为时态中间件TimeDB组件的双时态索引模型B4Rindex.实验证明,利用该模型对双时态数据进行索引是高效的.     

时态数据质量规则的研究及检测

作为检测数据集中不一致数据的方法,函数依赖受到了广泛的关注.近年来,硬约束、等值约束、编辑规则、差分约束等被相继提出,用于发现更多的不一致数据.然而,这些约束规则仅适用于静态数据集中不一致数据的检测,而实际应用中,存在着大量随时间演化的动态数据,已有的规则忽略了具有时态语义数据的描述.该文首先提出了时态数据质量规则的形...     

证券行情趋势准确预测的仿真研究

研究证券行情趋势的准确预测问题.中国证券业起步较晚,证券市场是一个非线性系统,行情趋势预测特征是不确定时态的而较难获取,传统的聚类方法直接提取不确定时态的行情趋势预测特征,特征提取有效性不高而造成证券行情趋势准确度不高的问题.为解决上述问题,提出关联规则的证券行情趋势预测方法.将不确定时态的行情时间序列转换为证券变动时间序列,有效获取行情趋势预测特征,避免仅依靠时间序列的统计特性直接提取而造成的特征提取有效性不高的问题,通过构建关联规则行情趋势特征提取模型,对趋势特征输入模型进行数据挖掘完成证券行情的预测.仿真结果表明,改进方法能够有效提取行情趋势特征,准确完成证券行情趋势的预测.     

时空数据表达研究

描述了目前时态数据模型和时空数据模型的发展,现已共识时态是任何信息的一个重要属性,但是时态数据库中时态关系代数的基本思路是通过在关系模式上显式化时变语义来进行简单结构的时态数据建模,而时空数据建模中时态对象代数是在对象结构上显式化时变语义来进行复杂结构的时态数据建模,并深入探讨了时空数据模型中地理信息的时间维表达方式,指出了各种时空数据模型存在的主要问题。     

基于频繁项集树的时态关联规则挖掘算法

针对目前时态关联规则研究中存在的挖掘效率不高、规则可解释性低、未考虑项集时间关联关系等问题,在原有相关研究的基础上,提出一种新的基于频繁项集树的时态关联规则挖掘算法.通过对时间序列数据进行降维离散化处理,采用向量运算生成频繁项集,提高频繁项集挖掘效率.考虑到项集之间的时态关系以及树结构的优势,提出一种新的频繁项集树结构挖掘时态关联规则,其挖掘频繁项集与树结构构建同时进行,无需产生候选项集,提高了规则挖掘效率.实验表明,对比于其他算法,所提出算法在挖掘效率和规则解释性方面效果更好,具有较好的应用前景.     

面向模型检测的LTL语句自动生成方法

为优化线性时态逻辑语句的生成过程,减少模型检测的时间,提出一种面向模型检测的基于自然语言处理生成线性时态逻辑验证语句的方法。对需求文档提取关键词,将文档中的数据和可以代表模型中状态的名词进行提取,注释UML模型,对UML模型中的状态进行归类,将模型中的状态分为数据属性类和调用操作类,利用配对的线性时态逻辑格式生成线性时态逻辑,用于软件模型一致性验证。实验结果表明,该方法与ST模型相比可以提高模型检测的效率。     

基于XPath数据模型的双时态扩展

XML作为Web上新的数据发布语言,将成为Web下一代"数据表达"和"数据交换"的统一标准.然而XML文档很少是静止的,它经常会被修改,引入"时态表达"后时态XML文档能够记录一系列的修改痕迹,提供了一种高效可行的XML版本管理方案.另一方面XML表达时态信息比关系模型更自然,时态数据库的研究人员开始将部分焦点转向研究如何利用XML实现时态信息处理.提出了一个双时态XML数据模型并给出了形式化定义,该模型将一个双时态XML文档建模成一个带有"双时态元素"边标记的有向树形图.还讨论了该模型映射到双时态XML文档的两种映射方法;并采用扩展DOM API的方法实现了模型以及映射.最后通过实验对比了扩展DOM实现模型和不扩展DOM实现模型两种实现方法,两种模型映射到双时态XML文档的映射方法.     

基于时态数据库的极小子结构逻辑系统

逻辑是知识表达的重要方法,但由于时序性知识与时间属性知识交叉应用的复杂性,其对时态数据库支撑一直不尽如人意.目前时态数据运算体系不完备,时态关系演算缺乏系统和有力的逻辑与代数理论支持.为此,文中从子结构逻辑出发,针对时态数据库及其信息处理中关键的知识推理、时态操作与函数依赖等内容,构建了一个极小的(最小的)子结构逻辑系统TDLrmin,其恰好等价于传统的数据库函数依赖Armstrong规则.TDLmin系统能在逻辑语义模型中对时序性、时间属性进行表达,而在句法逻辑系统将时间剥离,从而既表达了时态知识,对时态操作进行处理,又降低了逻辑系统的复杂度,使得逻辑系统的时间复杂度为P-time (O(n2)).而该逻辑系统还可与传统的Allen方法进行对接,使得相关时态查询所需的时间代价为传统非时态查询的时间加上一个复杂度仅为O(n)的线性时间,从而使得系统具有更强的普适性和应用前景.     

基于知识图谱全局和局部特征的复杂问答方法

近年来,研究者已经提出多种方法来解决知识库问答(KBQA)中的复杂问题,并取得一定成果.然而,由于语义构成的复杂性以及可能存在推理路径的缺失,复杂问题的求解效果依然不佳.为了更好地解决这类问题,提出基于知识图谱全局和局部特征的问答方法——CGL-KBQA.所提方法利用知识嵌入技术提取知识图谱整体的拓扑结构和语义特征作为候选实体节点的全局特征,根据实体表示和问句表示将复杂问答建模为复合的三元组分类任务.同时,将图谱在搜索过程生成的核心推导路径作为局部特征,结合问句的语义相似性来构建候选实体不同维度特征,最终形成混合特征评分器.由于最终推理路径可能缺失,采用基于无监督的多重聚类方法设计了聚类器模块,进而根据候选实体的两类特征表示直接生成最终答案簇,这使得非完全知识图谱问答成为可能.实验结果表明,所提方法在两个常见KBQA数据集上均取得不错的效果,特别是在图谱知识不完全的情况下也具备非常好的效果.     

T-STAR: 一种基于关键词的关系数据库时态信息检索方法*

将时态信息融入到信息检索技术中可以有效提高检索效果,时态信息检索已有较多的研究,而现有数据库信息检索方法还缺乏对时态信息有效利用。针对这一研究问题,提出关系数据库上基于时态语义的关键词检索方法,引入时态信息构建时态数据图,设计时态相关性评分机制,在时态图搜索过程中引入时态语义约束,设计基于关键词的时态检索算法。实验验证了该方法可以有效提高数据库信息检索效果,而检索性能并没有降低。     

文本挖掘的时态文本关联规则算法研究

由于数据库的频繁更新,时态数据库隐藏了大量的未知信息,因此针对实时更新的数据库应产生相应的时态关联规则.虽然关联规则算法已经被深入广泛地研究,但在文本数据中时态关联规则算法的研究还不多见.在深入了解时态关联规则算法及其在文本数据中的研究价值后,以时态文本为对象进行了时态关联规则算法的研究,建立了时态文本数据的时间表示模型,提出了文本时态关联规则算法SPFM,最后通过实验对算法进行了有效性验证,结果表明该算法是正确可行的.     

时态查询语言对处理不明确时间间隔的扩展

关于时态数据库的先前工作,主要是建立在时态属性的时间间隔和事件的开始/终止点都十分清楚的基础上.然而,在许多实际情况中,事件的时间界限并不十分清楚.因此,表示不明确时间,并给出处理不明确时间查询的方法,是对时态数据库中目前仍缺少的一个有效的扩展.讨论了时态数据库处理不明确时间存在的一些问题,并描述不明确时间间隔的方法.之后扩展了各种时态运算,并给出了与不明确时间相关的新运算符.也提出了能够处理不明确时间的查询语言扩展.在此讨论的时态查询语言对处理不明确时间间隔的扩展和丰富时态数据库的适应性有一定作用.     

全序时态模块模式的TO_TBCNF分解问题研究

时间粒度是所有时态数据所拥有的共同特点。在许多时态数据库应用中,都涉及多时间粒度约束,但是,具有多时间粒度的时态数据库的设计相当复杂,难以实现。而现实世界中的许多应用涉及到的时态类型集都能满足全序关系,由于具有全序时态类型集的全序时态模块模式有着良好的特性,文章提出了全序时态模块模式、时刻关系模式、全序时态模块投影和全序时态BC范式（TO_TBCNF）等概念,并给出了全序时态BC范式的分解算法,对其正确性、可终止性进行了证明,并对时间复杂度进行了分析。     

基于时态变量对象关系模型及代数运算

时态数据处理多是基于关系数据库平台,时态数据库模型也以时态关系数据模型为主.关系数据模型难以处理具有复杂类型的数据对象,而面向对象数据模型还缺乏商业化应用平台.现有关系数据库平台大多增加了面向对象基本功能,形成了对象关系数据库系统,因此将对象关系数据模型进行时态扩充就显得十分必要和具有可行性.首先在现有时态关系数据模型基础上,提出了一种基于对象关系双时态数据模型,而这种数据模型适合于在现有数据库平台上实现;其次,在该模型框架内,讨论了时态对象关系模式与时态关系模式相互间的联系与转换,这也是由时态关系扩充到对象关系的基本要求;再次,分析了时态模型中时态变量复杂语义和相应绑定算法,这是时态数据库能够有效运行的基本课题之一;最后,研究了基于时态变量复杂语义的时态对象关系数据操作代数,从而为时态对象关系模式的查询进行了必要的理论探讨.     

基于机器学习的平行语料库应用效果评价方法

针对传统翻译系统在时态翻译中不准确的问题,结合当前的机器学习算法,提出一种基于DBN的平行语料库时态翻译方法。为实现该方法,首先对时态标注模型和DBN基本理论进行介绍,并提出汉英语句时态翻译的思路;而在进行DBN平行语料库特征提取的过程中,采用自动时态标注算法对时态进行标注,并对得到的数据进行时态树编码;然后以编码数据作为输入,运用DBN网络对时态进行训练预测,得到中文语句中可能的时态;最后通过Transformer翻译器对语句进行翻译,得到对应的翻译时态句子;最后结合LDC等平行语料库中的翻译句子,采用上述方法进行翻译,结果表明提出的时态翻译方法无论是在准确率,还是在召回率等方面,都有很大的优势,说明提出的机器学习算法在平行语料库的翻译中更具有准确性。     

传染病传染速度在大区域内的关联建模仿真

研究传染病的扩散速度对病情的控制问题.传染病在扩散过程中,受到不同区域中人群组成、环境特征不同的影响,存在高度的非线性与随机性.传统的扩散模型通过高维度约束,扩散随机性较强,设定过多前提条件,导致模型复杂,效果不好.提出基于加权时态关联挖掘算法的传染病传染速度在大区域内的关联建模方法.提取传染病传染速度影响因素,根据上述影响因素,建立加权时态关联模型,计算不同影响因素的支持度,并建立候选项集树,实现传染速度估计.实验结果表明,利用改进算法进行传染病传染速度在大区域内关联建模,能够提高传染病传染速度仿真的真实度,得到精确的估计结果,满足传染病预防和控制的临床需求.