随着RFID和传感器等数据采集设备的广泛使用及物联网的发展,产生了大量的事件类型的数据,原始的事件数据必须经过复杂事件处理(Complex Event Processing,CEP),才能变成具有丰富语意并对用户有价值的信息,复杂事件处理作为物联网智能处...随着RFID和传感器等数据采集设备的广泛使用及物联网的发展,产生了大量的事件类型的数据,原始的事件数据必须经过复杂事件处理(Complex Event Processing,CEP),才能变成具有丰富语意并对用户有价值的信息,复杂事件处理作为物联网智能处理层的重要组成部分,越来越受到重视.在实际应用中,许多事件流具有长过程的特点,要求相应的复杂事件处理需设置大时间窗口,相对于有限的内存,复杂事件处理面临新的挑战.现有的复杂事件处理均局限于内存进行,均未涉及外存的事件存储和检测.因此,现有的模型和系统均不能用于长过程复杂事件处理.为此,本文提出基于时间片划分的HTF(Hash structure by object ID in memory and Timeslice File in disk)事件实例存储策略和基于实例映射表的大时间窗口复杂事件检测方法,形成了面向长过程的复杂事件处理模型LPCEP(Complex Event Processing for Long Process).相关实验验证了模型用于长过程复杂事件处理的有效性和高效性.展开更多
事件同指消解是一个具有挑战性的自然语言处理任务,它在事件抽取、问答系统和阅读理解等任务中发挥着重要作用。现存的事件同指消解语料库的一个问题是标注规模较小,无法训练出高效能的模型。为了解决上述问题,该文提出了一个基于跨语...事件同指消解是一个具有挑战性的自然语言处理任务,它在事件抽取、问答系统和阅读理解等任务中发挥着重要作用。现存的事件同指消解语料库的一个问题是标注规模较小,无法训练出高效能的模型。为了解决上述问题,该文提出了一个基于跨语言数据增强的事件同指消解神经网络模型ECR_CDA(Event Coreference Resolution on Cross-lingual Data Augmentation)。该模型通过中英文语料互译来增强语料,并通过共享模型参数的方式实现中英文模型的跨语言学习,从而提高了事件同指消解的性能。在ACE 2005英文语料上的实验结果表明,ECR_CDA优于目前最先进的基准系统。展开更多
文摘随着RFID和传感器等数据采集设备的广泛使用及物联网的发展,产生了大量的事件类型的数据,原始的事件数据必须经过复杂事件处理(Complex Event Processing,CEP),才能变成具有丰富语意并对用户有价值的信息,复杂事件处理作为物联网智能处理层的重要组成部分,越来越受到重视.在实际应用中,许多事件流具有长过程的特点,要求相应的复杂事件处理需设置大时间窗口,相对于有限的内存,复杂事件处理面临新的挑战.现有的复杂事件处理均局限于内存进行,均未涉及外存的事件存储和检测.因此,现有的模型和系统均不能用于长过程复杂事件处理.为此,本文提出基于时间片划分的HTF(Hash structure by object ID in memory and Timeslice File in disk)事件实例存储策略和基于实例映射表的大时间窗口复杂事件检测方法,形成了面向长过程的复杂事件处理模型LPCEP(Complex Event Processing for Long Process).相关实验验证了模型用于长过程复杂事件处理的有效性和高效性.
文摘事件同指消解是一个具有挑战性的自然语言处理任务,它在事件抽取、问答系统和阅读理解等任务中发挥着重要作用。现存的事件同指消解语料库的一个问题是标注规模较小,无法训练出高效能的模型。为了解决上述问题,该文提出了一个基于跨语言数据增强的事件同指消解神经网络模型ECR_CDA(Event Coreference Resolution on Cross-lingual Data Augmentation)。该模型通过中英文语料互译来增强语料,并通过共享模型参数的方式实现中英文模型的跨语言学习,从而提高了事件同指消解的性能。在ACE 2005英文语料上的实验结果表明,ECR_CDA优于目前最先进的基准系统。
