FOXPRO事件及事件截取

本文介绍了ＦＯＸＰＲＯ事件及处理事件的函数，最后给出了截取ＦＯＸＰＲＯ事件的Ｃ语言源程序。     

C#语言委托与事件机制的探讨

c#语言将事件的所有信息都封装在事件类中，通过委托进行处理事件的机制非常灵活，并增强了编写程序的健壮性和可维护性。     

处理计算机安全事件

第一步是建立支持适当事件处理的策略，通报策略给所有的雇员/用户，提供在事件发生时谁去通报的联系信息。下一步是建立一个事件处理小组（TM）。确保IBI成员的专门技术覆盖了企业内部全部的Oss。最后，实际处理事件，当事件发生时：     

基于C+ +的多播事件实现方法

本文使用C 中标准模版库(STL)及函数指针实现了一个能够通知多个客户端的事件源类,并给出一个简单的应用示例.     

基于C+ +的多播事件实现方法

本文使用C+ +中标准模版库(STL)及函数指针实现了一个能够通知多个客户端的事件源类,并给出一个简单的应用示例.     

一个基于类的无线传感器网络并发事件的路由协议

针对无线传感器网络的特点,本文在Wendi B．Heinzelman等人设计的LEACH协议的基础上,提出了基于类的并发事件的处理方法,解决了并发事件的区分、定位和路由问题,增强了无线传感器网络处理事件的能力。     

wxWidgets事件处理机制

wxWidgets是一个可以在多个平台上进行图形用户界面开发的C++语言框架库。如同其它所有的GUI框架一样,wxWidgets的程序控制采用事件驱动的方式。wxWidgets主要有两种方法来处理事件:一种通过事件表宏定义静态地把事件和事件处理过程绑定在一起;另外一种通过函数动态地绑定事件和事件处理过程。本文介绍了这两种事件处理方法并对其作出分析比较,说明了动态事件处理机制代码量稍大但比静态事件表机制更加灵活方便。     

VRML编辑器中可视化编辑路由语句的设计与实现

VRML语言使用事件路由机制处理事件，其功能是为用户提供一个动态、交互的三维世界．由于涉及到多个三维对象之间的交互控制问题，路由(ROUTE)编辑被认为是一项复杂的认知行为．传统的VRML编辑器因其线性本质，一般不提供直观、可视的路由编辑．基于此，在研究交互事件机制的基础上，设计并实现VRML语言中路由控制的可视化编辑。     

基于图注意力和表指针网络的中文事件抽取方法

现有的中文事件抽取方法存在触发词和论元依赖建模不足的问题，削弱事件内的信息交互，导致论元抽取性能低下，特别是论元角色存在重叠的情况下.对此，文中提出基于图注意力和表指针网络的中文事件抽取方法(Chinese Event Extraction Method Based on Graph Attention and Table Pointer Network, ATCEE).首先，融合预训练字符向量和词性标注向量作为特征输入，并利用双向长短期记忆网络，得到事件文本的强化语义特征.再将字符级建模的依存句法图引入图注意力网络，捕获文本中各组成成分的长距离依赖关系.然后，使用表填充的方法进行特征融合，进一步增强触发词和其对应的所有论元之间的依赖性.最后，将学习得到的表特征输入全连接层和表指针网络层，进行触发词和论元的联合抽取，使用表指针网络对论元边界进行解码，更好地识别长论元实体.实验表明：ATCEE在ACE2005和DuEE1.0这两个中文基准数据集上都有明显的性能提升，并且字符级依存特征和表填充策略在一定程度上可以解决论元角色重叠问题.ATCEE源代码地址如下：https://github....     

STL实体模型的拓扑重建及其缺陷修复

STL文件是CAD系统与快速成型制造系统之间进行数据交换的标准格式文件，由于CAD系统在生成STL文件时使用的转换方法不当，使得由STL文件描述的实体模型有许多缺陷，要修复缺陷建立实体模型的拓扑关系是必要的。该文首先对STL实体模型进行了拓扑关系重建，然后修复了一些实体模型中常见的缺陷。     

结合事件链与事理图谱的脚本事件预测模型

现有脚本事件预测模型在事件表示时未充分考虑各个元素之间的相关性,且不能同时利用事件链和事理图谱中的信息进行事件预测。针对事件表示不全面和信息融合不充分的问题,提出一种结合事件链和事理图谱的脚本事件预测模型ECGNet。将每个事件的各个元素构造成一个短句,使用Transformer编码器捕获元素之间的序列信息,从而获得更准确的事件表示。在此基础上,构建一个长程时序模块（LRTO）学习事件链中的时序信息,同时构建一个全局事件演化模块（GEEP）捕获隐藏在事理图谱中的演化模式,通过门控注意力机制动态融合时序信息和演化模式进行脚本事件预测。基于纽约时报和新浪新闻两个数据集的实验结果表明,ECGNet能够有效融合事件链和事理图谱的信息进行脚本事件预测,与PMI、Bigram、SAM-Net、SGNN等模型相比,其准确率较最优值取得了3%以上的提升。     

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。     

基于事件图的在线事件检索

在线事件检索是针对事件查询,按时间序迭代返回小批量数据集中事件相关文档的检索任务。其目标是在时间轴上不断收集新鲜的事件文档,是进行一系列事件相关工作的重要基础。面对此任务,传统方法采用先进的检索模型来提升检索精度,然而却没有考虑事件本身的特性。针对这一问题,该文尝试使用两类图(事件关键词共现图、融合事件类型的二部图)对事件建模,提出了一种基于事件图的在线检索框架。案例分析与在两个公开的TREC数据集上的实验结果表明,该文方法显著提升了事件检索精度(P@10最高增幅达30%,平均增幅5.85%),且能自适应在线检索环境,支持事件的演变分析。     

基于事件实例驱动的新闻文本事件抽取

目前,事件抽取的流行方法是以事件元素或触发词进行驱动,但该方法容易导致正反例不平衡,且在语料库规模较小时存在一定的数据稀疏问题。提出了一种基于事件实例驱动的事件抽取方法。首先,从文档句子中抽取出刻画一个事件发生有代表性的特征,构成候选事件实例表示;其次,通过二元分类器对新闻文本中的事件实例与非事件实例进行分类;最后,对事件实例采用基于层次聚类的k-mcdoids算法完成事件抽取。该方法不仅克服了正反例失衡以及数据稀疏问题,而且解决了预先定义事件类别的局限性。实验结果验证了该方法的有效性,对比传统方法,事件抽取的准确率与召回率均获得了显著的提高。     

事件与事件本体模型研究综述

现有领域本体缺乏对动态特征的描述,存在网球问题以及不能明确支持空间和时间关系分析的现象。为此,引出事件本体的概念。对事件的定义与事件本体的研究现状进行描述,从不同领域对事件的定义进行说明,并对不同领域的事件定义进行分析与比较,强调事件在实际应用中需要注意的内容。介绍现有的事件本体表示模型,对各表示模型从事件表示方法、适用领域等12项内容进行阐述,给出事件本体的发展趋势与应用前景。     

Event Reports

1999 Siggraph / Eurographics Workshop on Graphics Hardware
GVE '99: 1999 Eurographics/ SIGGRAPH Workshop on Graphics and Visualization
5th Eurographics Workshop on Multimedia     

Event Reports

Second Eurographics Workshop on Parallel Graphics and Visualization, Rennes, France September 24–25, 1998     

Event Reports

Eurographics '98 Conference, page 301
Eurographics '98 Awards, page 303
EG UK '98 Conference, page 304
Cover Competition Winners, page 306     

Event Reports

VisSym'99: Joint EUROGRAPHICS – IEEE TCVG Symposium on Visualization
6th Eurographics Workshop on Design, Specification, and Verification of Interactive Systems '99