一种演化超图文法到状态转移系统的映射方法

运用模型检测技术验证动态演化的正确性,是近年来软件体系结构动态演化研究领域面临的一个挑战.然而,当前的方法很少考虑软件体系结构动态演化时的相关条件.针对该问题,提出用条件状态转移系统表示软件体系结构动态演化的状态模型,将软件体系结构超图映射为状态,演化规则运用映射为条件状态转移关系,给出软件体系结构动态演化的条件超图文法到条件状态转移系统的映射方法以及相应的实现算法,实现了软件体系结构动态演化的条件状态转移系统的构建,并证明了在该映射方法下,软件体系结构动态演化条件超图文法与条件状态转移系统的互模拟等价.最后通过案例分析,运用该方法以及模型检测技术,验证了软件体系结构动态演化的相关性质,从而验证了该方法的有效性.     

基于观察者的动态演化一致性研究

为了解决软件体系结构动态演化的不一致性问题,提高软件体系结构动态演化的演化效率,针对构件技术特性,分析了软件演化技术研究现状优缺点以及观察者技术特点,结合观察者技术特点扩展了构件,使构件具有被监视以及监视的特性,提出基于观察者的动态演化模型,来保证动态演化的一致性,并为分布式环境下的动态演化提供可行的方法。     

软件体系结构动态演化的元胞自动机模型研究

目前软件体系结构动态演化的元胞自动机模型存在描述单一、元胞间关系不明确、没有详细阐述动态演化过程应用约束条件的缺点。针对这些不足进行相关的研究,重新定义了软件体系结构动态演化的扩展元胞自动机模型,基于扩展元胞自动机模型结合演化应用约束条件,分析了软件体系结构的动态演化过程,运用元胞间控制约束条件和行为相关约束条件来正确地指导SA动态演化。提出了动点稳态转移的概念,对演化程度和一致性进行定义分析,此方法比以往的元胞自动机模型更能准确指导SA动态演化,促进SA动态演化的进一步研究。通过案例验证了该方法的应用价值和可行性,可以更全面地应用于软件体系结构的动态演化。     

基于关联矩阵的软件体系结构动态演化及其实现

针对当前软件体系结构动态演化方法很少考虑组成元素之间关联的问题, 从关联的角度考虑软件体系结构的组成, 用关联矩阵和关联基数矩阵描述软件体系结构及其动态演化的各项需求, 提出了一种基于关联矩阵的软件体系结构动态演化方法, 并设计相应的算法进行实现, 最后通过案例进行分析和实验, 验证了方法的有效性。本方法可有效地实现软件体系结构动态演化的可追踪性和可控性。     

基于Delta-Grammar的软件体系结构演化的描述

软件需要不断演化以适应复杂多变的环境和需求.为了分析软件演化的过程和规则,提出了一种特殊的图文法delta-grammar用以描述软件体系结构的演化,具体给出了增加、删除、替换、重组、拆分.并发等演化的产生式规则,从而能够方便、直观、图示化地刻画演化过程.并且,以电子商务信息系统为例,展示了应用delta-grammar进行软件体系结构演化描述的过程和作用.     

嵌入一致图语法的依赖图

图语法将字符串上的形式文法扩充为图上的形式文法,提供一种能够使用精确的数学方法来模拟图变换的机制.提出了几种新的基于一致图语法的方法来表示控制流图、数据流图、控制数据流图、二分图和超图,并说明如何通过图重写来自动生成依赖图并挖掘并行性,从而协助并行编译器和并行语言的设计和实现.     

超图神经网络综述

近年来,图神经网络借助大量数据和超强计算能力在推荐系统和自然语言处理等应用领域取得显著成效,它主要处理具有成对关系的图数据.但许多现实网络中的对象之间的关系是复杂的非成对关系,如科研合作网络、蛋白质网络等.若直接用图结构将这种复杂的关系表示为成对关系,会导致信息丢失.超图是一种灵活的建模工具,可以展现出图无法完整刻画的高阶关系,弥补了图的不足.鉴于此,研究者开始关心如何在超图上设计神经网络,并相继提出应用于下游任务的超图神经网络模型（hypergraph neural network,HGNNs）.故对现有的超图神经网络模型进行综述,首先全面回顾超图神经网络在过去3年的研究历程;其次根据设计超图神经网络采用的方法不同对其进行分类,并详细地阐述代表性的模型;然后介绍了超图神经网络的应用领域;最后总结和探讨了超图神经网络未来的研究方向.     

基于Petri网的面向动态演化的软件体系结构建模

为了应对软件动态演化面临的挑战,应提高所建立的软件体系结构模型的动态演化性.以扩展的Petri网为形式化工具,对面向动态演化的软件体系结构进行建模.首先,将Petri网扩展成为构件网结构,并设计有效支持软件动态演化的构件模型和连接件模型;其次,建立软件体系结构的静态视图和动态视图,为软件动态演化的分析和实施奠定基础;最后,通过案例研究表明:该方法是有效的,并可显著提高所建立的软件体系结构模型的动态演化性.     

基于图文法的动态软件体系结构支撑环境

使用类型化的属性图及其图文法来直观而形式地刻画软件体系结构和体系结构风格,用图转换来刻画动态体系结构的重配置行为.基于这种刻画,构建了一个动态软件体系结构支撑环境.该环境一方面,通过一个基于图文法的编辑器来支持体系结构图模型的可视化构造和操纵;另一方面,基于内置运行时体系结构技术实现了体系结构图模型在具体系统中的物理实施,并使得图模型上的图转换操作可以自动映射到实际系统的动态重配置上.再加上一系列的辅助设施,形成了一个较为完整的基于图文法的动态软件体系结构支撑环境.     

基于大数据的超图聚类分析和研究

由于传统遗传算法应用到多维数据关联规则挖掘时出现的早熟收敛和后期收敛速度慢等问题,本文阐述了大数据下依据三维模型对超图聚类的分析,采用了一种三维模型对超图聚类进行研究.利用数据挖掘知识和协同化算法以及关联规则进一步分析超图.实验结果表明本文所采用的三维矩阵数学模型和相关的数据挖掘算法能够从调研数据中发现新高质量知识     

A hypergraph-based model for port allocation on multiple-register-file VLIW architectures

Multiple-functional-unit architectures allow one to boost performance by simultaneously executing many operations, but technological constraints limit the achievable register-file I/O bandwith and prevent one from fully exploiting the benefits of a large number of units. Dividing the register set into multiple banks can improve the overall I/O bandwidth but determines a nonhomogeneous register space onto which variables must be allocated subject to register-file-port constraining. We propose a hypergraph-based paradigm for modeling competition among variables for port-allocation on multiple-register-file VLIW architectures; by coloring such a hypergraph, we can identify legal allocations of variables to register banks and produce executable code.     

面向时间感知的知识超图链接预测

知识超图是一种使用多元关系表示现实世界的异构图,但无论在通用领域还是垂直领域,现有的知识超图普遍存在不完整的情况.因此,如何通过知识超图中已有的链接推理缺失的链接是一个具有挑战性的问题.目前大多数研究使用基于多元关系的知识表示学习方法完成知识超图的链接预测任务,但这些方法仅从时间未知的超边中学习实体与关系的嵌入向量,没有考虑时间因素对事实动态演变的影响,导致在动态环境中的预测性能较差.首先,根据本文首次提出的时序知识超图定义,提出时序知识超图链接预测模型,同时从实体角色、位置和时序超边的时间戳中学习实体的静态表征和动态表征,以一定比例融合后作为实体嵌入向量用于链接预测任务,实现对超边时序信息的充分利用.同时,从理论上证明模型具有完全表达性和线性空间复杂度.此外,通过上市公司的公开经营数据构建时序知识超图数据集CB67,并在该数据集上进行了大量实验评估.实验结果表明:模型能够在时序知识超图数据集上有效地执行链接预测任务.     

A comparison of boundary graph grammars and context-free hypergraph grammars

Context-free hypergraph grammars and boundary graph grammars of bounded nonterminal degree have the same power, both for generating sets of graphs and for generating sets of hypergraphs. Arbitrary boundary graph grammars have more graph generating power than context-free hypergraph grammars, but they have the same hypergraph generating power. To obtain these results, several normal forms for boundary graph grammars are given. It is also shown that the class of boundary graph languages is closed under the operation of edge contraction, where the label of the edge indicates whether or not the edge should be contracted.     

Context-free hypergraph grammars have the same term-generating power as attribute grammars

Context-free hypergraph grammars and attribute grammars generate the same class of term languages. Extending the context-free hypergraph grammar with a context-free grammar and a semantic domain, a syntax-directed translation device is obtained that is equivalent to the attribute grammar.     

Time-aware Knowledge Hypergraph Link Prediction

A knowledge hypergraph is a form of heterogeneous graph representing the real world through $n$-ary relations, but existing knowledge hypergraphs are usually incomplete in both general and vertical domains. Therefore, it is challenging to infer the missing links from the existing links in knowledge hypergraphs. Most of the current studies employ knowledge representation learning methods based on $n$-ary relations to accomplish link prediction in knowledge hypergraphs, but they only learn the embedding vectors of entities and relations from time-unknown hyperedges without considering the influence of temporal factors on the dynamic evolution of facts, which results in poor prediction performance in dynamic environments. Firstly, based on the definition of temporal knowledge hypergraphs proposed by this paper for the first time, this paper puts forward a link prediction model for temporal knowledge hypergraphs and learns static and dynamic representations of entities from their roles, positions, and timestamps of temporal hyperedges. Then these representations are merged in a certain proportion and utilized as final entity embedding vectors for link prediction tasks to realize the full exploitation of hyperedge temporal information. Meanwhile, it is theoretically proven that the proposed model is fully expressive with linear space complexity. Additionally, a temporal knowledge hypergraph dataset CB67 is constructed from the public business data of listed companies, and a large number of experimental evaluations are conducted on this dataset. The experimental results show that the proposed model can effectively perform link prediction tasks on the temporal knowledge hypergraph dataset.     

事件超图模型及类型识别

为避免向量空间模型的独立性假设影响事件类型识别,该文提出了一种基于超图的事件类型识别方法。该方法首先用事件超图描写事件元素间的多元有序关系;然后用事件超图模型(由事件超图添加类型组件和层面组件后构成)描述某个(某类)事件在不同观测层面的属性及其结构;最后根据事件的属性及其结构计算其相似度,并借此完成事件类型识别。实验结果显示,此方法识别效率的平均F值达到83.0%,与基于向量空间模型的支持向量机方法和最大熵方法相比,此方法也具有一定优势。     

面向超图数据的最大独立集算法

超图是普通图的泛化表示, 在许多应用领域都很常见, 包括互联网、生物信息学和社交网络等. 独立集问题是图分析领域的一个基础性研究问题, 传统的独立集算法大多都是针对普通图数据, 如何在超图数据上实现高效的最大独立集挖掘是一个亟待解决的问题. 针对这一问题, 提出一种超图独立集的定义. 首先分析超图独立集搜索的两个特性, 然后提出一种基于贪心策略的基础算法. 接着提出一种超图近似最大独立集搜索的剪枝框架即精确剪枝与近似剪枝相结合, 以精确剪枝策略缩小图的规模, 以近似剪枝策略加快搜索速度. 此外, 还提出4种高效的剪枝策略, 并对每种剪枝策略进行理论证明. 最后, 通过在10个真实超图数据集上进行实验, 结果表明剪枝算法可以高效地搜索到更接近于真实结果的超图最大独立集.     

基于有向超图的资源约束下企业过程结构优化

为了提高企业过程结构优化的实用性、合理性以及计算机支持性,提出了基于有向超图和资源约束的优化方法.根据优化需求,通过对考虑了支持资源的过程进行不同的有向超图建模,利用有向超图的性质以及超图上所附加的过程语义,把过程结构优化转化为有向超图的切割和活动合并问题,并给出具体求解过程.求得的过程为一个结构和支持资源都优化的过程.最后,通过举例验证该方法可行、有效.