CN109409523A - 事件实例与事件类之间关系的判定方法 - Google Patents

事件实例与事件类之间关系的判定方法 Download PDF

Info

Publication number
CN109409523A
CN109409523A CN201811179076.XA CN201811179076A CN109409523A CN 109409523 A CN109409523 A CN 109409523A CN 201811179076 A CN201811179076 A CN 201811179076A CN 109409523 A CN109409523 A CN 109409523A
Authority
CN
China
Prior art keywords
event
instance
event instance
detected
class
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201811179076.XA
Other languages
English (en)
Inventor
张亚军
陈闪闪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
SHANGHAI INSTITUTE OF AEROSPACE INFORMATION
Shanghai Academy of Spaceflight Technology SAST
Original Assignee
SHANGHAI INSTITUTE OF AEROSPACE INFORMATION
Shanghai Academy of Spaceflight Technology SAST
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by SHANGHAI INSTITUTE OF AEROSPACE INFORMATION, Shanghai Academy of Spaceflight Technology SAST filed Critical SHANGHAI INSTITUTE OF AEROSPACE INFORMATION
Priority to CN201811179076.XA priority Critical patent/CN109409523A/zh
Publication of CN109409523A publication Critical patent/CN109409523A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06395—Quality analysis or management

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Computational Linguistics (AREA)
  • Operations Research (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Artificial Intelligence (AREA)
  • Quality & Reliability (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Debugging And Monitoring (AREA)

Abstract

本发明提供了一种事件实例与事件类之间关系的判定方法，主要内容包括：领域事件知识库的描述与构建、确定并描述待检测的事件实例、事件实例中对象要素的角色判定、事件实例与事件类地点要素的一致性判定、事件实例与事件类动作要素的角色及时序一致性判定、事件断言要素的基于本体知识库一致性的判定，能够解决现有的逻辑推理算法无法提供面向事件的知识推理，且动态推理能力不足的问题；具体用来实现事件实例与事件类之间关系的判定。

Description

事件实例与事件类之间关系的判定方法
技术领域
本发明涉及一种事件实例与事件类之间关系的判定方法。
背景技术
逻辑推理是人工智能技术的核心之一，其在知识工程、专家系统等领域有着广泛而深入的应用；现有的推理技术多基于静态知识，虽然也有使之适应动态或者时序推理的改进，但是在知识表示和推理能力上仍有缺陷，无法从更全面的角度去分析动态知识，更不能实现基于事件的动态知识推理。
事件推理主要是指与事件类、事件及事件要素相关的推理问题，包括三者本身同类关系的推理(例如事件与事件之间关系的推理)以及三者之间关系的推理，后者包括事件与事件类的关系、事件与事件要素的关系、事件要素与事件类的关系等。本发明主要涉及事件实例的检测，即判断一个事件是否是指定事件类的实例，比如说“汶川地震”事件是“地震”事件类的一个实例。
近年来，基于事件知识推理的研究已经取得了一定的进展，研究人员提出扩展描述逻辑方法来表示事件知识，通过这种方法来实现事件的实例检测，并进一步将检测方法用于Web服务，对Web服务动态组合方法进行研究；事件关系推理是事件推理中一块重要的研究内容，相关研究人员在这一领域做了大量研究，取得一定的成果；但上述研究内容更多从某个具体的角度去考虑事件知识的推理；事件包含多方面的要素：例如动作要素、对象要素及断言要素等，因此基于事件的知识推理不同于普通的知识推理；事件推理是基于事件的知识处理问题的重点，同时也是难点，如果有所突破，对语义技术的发展将有重要的促进作用。
由上文可知事件知识具有典型的复杂性及动态性，但是传统的逻辑推理并不支持基于事件的知识推理，更无法实现对事件实例所属事件类的推理判定，因此需要找到适合事件知识推理的新算法。
发明内容
本发明的目的在于提供一种事件实例与事件类之间关系的判定方法。
为解决上述问题，本发明提供一种事件实例与事件类之间关系的判定方法，包括：
构建领域事件知识库；
确定算法的输入输出，描述待检测的事件实例；
进行所述待检测的事件实例与事件类的对象要素的一致性检测；
进行所述待检测的事件实例与事件类的地点要素的一致性检测；
进行所述待检测的事件实例与事件类的动作要素的一致性检测；
进行所述待检测的事件实例与事件类的断言要素的一致性检测。
进一步的，在上述方法中，构建领域事件知识库，包括：
定义面向事件知识推理中所涉及的领域的基本概念；根据已定义概念构建特定领域的事件知识库，通过逻辑描述语言对知识库进行描述。
进一步的，在上述方法中，确定算法的输入输出，描述待检测的事件实例，包括：
确定算法的输入输出，通过逻辑语言描述待检测的事件实例：
输入：E-ALC知识库KE-ALC的实例检测e:EC；
输出：如果KE-ALC|＝e:EC，则返回True，否则返回False。
进一步的，在上述方法中，进行所述待检测的事件实例与事件类的对象要素的一致性检测，包括：
在事件实例e中的对象要素中，取出其中形如Re(re)的角色断言，检测Re是否属于领域概念由于所以构建概念表示为形如：
运用Extend-Tableau判断是否存在冲突，若存在冲突，证明
同理判断EC中的对应角色断言REC(rEC)，若则e对象要素中角色re与事件类中rEC一致；
遍历判断e对象要素角色和EC对应角色的一致性，以判断两者对象要素的一致性。
进一步的，在上述方法中，进行所述待检测的事件实例与事件类的地点要素的一致性检测，包括：
取出事件实例e中的地点要素(loce)，设其属于地点概念为由于构建概念运用Extend-Tableau判断是否存在冲突，若存在冲突，证明
同理判断EC中的对应地点地点要素locEC，若那么e与EC地点要素一致。
进一步的，在上述方法中，进行所述待检测的事件实例与事件类的动作要素的一致性检测，包括：
取出事件实例e中的动作要素Actione，其由一系列子动作共同组成，子动作之间为非分类关系，事件实例e中描述为Actione:事件类EC中描述为ActionEC:判断e和EC对应子动作一致性，包括子动作的角色及动作谓词一致性，若所有子动作一致且它们之间非分类关系描述一致，那么e与EC动作要素一致。
地点要素进一步的，在上述方法中，进行所述待检测的事件实例与事件类的断言要素的一致性检测，包括：
取出事件实例e中的断言要素(Asserte:{pree,mide,poste})，EC中断言描述为AssertEC:{preEC,midEC,postEC}，分别判断三种包括前置断言、中间断言、后置断言的一致性，其中，以中间断言为例，e的中间断言描述为mide:EC的中间断言描述为midEC:通过Extend-Tableau算法遍历断言，判断ren与rECn角色断言一致性；
如果两者一致，且那么e与EC中间断言一致，如果三种断言在e与EC均一致，那么断言要素一致。
进一步的，在上述方法中，进行所述待检测的事件实例与事件类的断言要素的一致性检测之后，还包括：
如果上述对象要素、地点要素、动作要素和断言要素的一致性检测中至少有其中之一存在不一致，如果存在不一致，待检测事件实例e不属于事件类EC；如果都一致，待检测事件实例e属于事件类EC。
本发明提供的事件实例与事件类之间关系的判定算法，包括：领域事件知识库的描述与构建、确定并描述待检测的事件实例、事件实例中对象要素的角色判定、事件实例与事件类地点要素的一致性判定、事件实例与事件类动作序列的角色及时序一致性判定、事件断言要素的基于本体知识库一致性的判定，能够解决现有推理技术无法实现基于事件的知识推理，且动态推理能力不足的问题；具体用来实现事件实例与事件类之间关系的判定。
附图说明
图1是本发明一实施例的事件实例与事件类之间关系的判定方法的流程图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1所示，本发明提供一种事件实例与事件类之间关系的判定方法，包括：
步骤S1，构建领域事件知识库；
步骤S2，确定算法的输入输出，描述待检测的事件实例；
步骤S3，进行所述待检测的事件实例与事件类的对象要素的一致性检测；
步骤S4，进行所述待检测的事件实例与事件类的地点要素的一致性检测；
步骤S5，进行所述待检测的事件实例与事件类的动作要素的一致性检测；
步骤S6，进行所述待检测的事件实例与事件类的断言要素的一致性检测。
在此，本发明提供的事件实例与事件类之间关系的判定算法，包括：领域事件知识库的描述与构建、确定并描述待检测的事件实例、事件实例中对象要素的角色判定、事件实例与事件类地点要素的一致性判定、事件实例与事件类动作序列的角色及时序一致性判定、事件断言要素的基于本体知识库一致性的判定。
本发明提出一种基于Extend-Tableau算法的事件实例所属事件类的判定算法，本发明主要用来解决现有推理技术无法实现基于事件的知识推理，且动态推理能力不足的问题；具体用来实现事件实例与事件类之间关系的判定。
本发明的事件实例与事件类之间关系的判定方法一实施例中，步骤S1，构建领域事件知识库，包括：
定义面向事件知识推理中所涉及的领域的基本概念；根据已定义概念构建特定领域的事件知识库，通过逻辑描述语言对知识库进行描述。
本发明的事件实例与事件类之间关系的判定方法一实施例中，步骤S2，确定算法的输入输出，描述待检测的事件实例，包括：
确定算法的输入输出(示例如下)，通过逻辑语言描述待检测的事件实例：
输入(Input)：E-ALC知识库KE-ALC的实例检测e:EC；
输出(Output)：如果KE-ALC|＝e:EC，则返回True，否则返回False。
本发明的事件实例与事件类之间关系的判定方法一实施例中，步骤S3，进行所述待检测的事件实例与事件类的对象要素的一致性检测，包括：
在事件实例e中的对象要素(Object)中，取出其中形如Re(re)的角色断言，检测Re是否属于领域概念由于所以构建概念表示为形如：
运用Extend-Tableau判断是否存在冲突，若存在冲突，证明(反正法)；
同理判断EC中的对应角色断言REC(rEC)，若则e对象要素中角色re与事件类中rEC一致；
遍历判断e对象要素角色和EC对应角色的一致性，以判断两者对象要素的一致性。
本发明的事件实例与事件类之间关系的判定方法一实施例中，步骤S4，进行所述待检测的事件实例与事件类的地点要素的一致性检测，包括：
取出事件实例e中的地点要素(loce)，设其属于地点概念为由于构建概念运用Extend-Tableau判断是否存在冲突，若存在冲突，证明
同理判断EC中的对应地点要素locEC，若那么e与EC地点要素一致。
本发明的事件实例与事件类之间关系的判定方法一实施例中，步骤S5，进行所述待检测的事件实例与事件类的动作要素的一致性检测，包括：
取出事件实例e中的动作要素Actione，其由一系列子动作共同组成，子动作之间为非分类关系，事件实例e中描述为Actione:事件类EC中描述为ActionEC:判断e和EC对应子动作一致性，包括子动作的角色及动作谓词一致性，若所有子动作一致且它们之间非分类关系描述一致，那么e与EC动作要素一致。
本发明的事件实例与事件类之间关系的判定方法一实施例中，步骤S6，进行所述待检测的事件实例与事件类的断言要素的一致性检测，包括：
取出事件实例e中的断言要素(Asserte:{pree,mide,poste})，EC中断言描述为AssertEC:{preEC,midEC,postEC}，分别判断三种包括前置断言、中间断言、后置断言的一致性，其中，以中间断言为例，e的中间断言描述为mide:EC的中间断言描述为midEC:通过Extend-Tableau算法遍历断言，判断ren与rECn角色断言一致性；
如果两者一致，且那么e与EC中间断言一致，如果三种断言在e与EC均一致，那么断言要素一致。
本发明的事件实例与事件类之间关系的判定方法一实施例中，步骤S6，进行所述待检测的事件实例与事件类的断言要素的一致性检测之后，还包括：
步骤S7，如果上述对象要素、地点要素、动作要素和断言要素的一致性检测中至少有其中之一存在不一致，如果存在不一致，返回False，表示待检测事件实例e不属于事件类EC；如果都一致，返回True，表示待检测事件实例e属于事件类EC，算法结束。
下文以本发明实施图例中的附图，对本发明实施例中的技术方案进行清晰、完整的描述。所述实例仅为本发明中一部分的实施例，不是全部的实施例。以本发明中的实施例为基础，本领域中普通科研或技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明的保护范围。
实施例1：“2015年5月16日，俄罗斯拜科努尔航天发射场，下午2点左右，因发生质量事故事件，某型号火箭发射推迟，随后专家赶赴现场调查，发现由于操作人员装配错误，控制系统内部线缆接反，导致此次事故发生”。
步骤一：构建领域事件知识库；
定义1：参与者(Participant)：对质量事故事件的产生、发展以及结局能够产生重要影响的人。主要包括肇事者、专家等。可描述如下：
定义2：航天产品(Aerospace products)：是由动力装置驱动、用来满足特定的外层空间任务(运输或者通信)的专业设备；主要包括卫星、火箭、飞船等。
定义3：事故发生地点(Location)：指航天质量事故发生的具体位置，一般为可供航天产品生产、检测、发射等场所；主要包括：生产车间、检测车间、装配车间，发射场等。
Location≡{occurrence(location,quality accident)；
create_in(location,aerospace products)；
check_in(location,aerospace products)；
launch_in(location,aerospace products)；}
定义3：违规行为(Illegal Activity)：指在航天产品生产、检测、运输、发射过程中，当事人违背质量规定造成质量事故的行为，该当事人称为肇事者；违规行为通常包括：规格错误、产品漏检、装配问题等。
IllegalActivity≡{break(person,rule)；
cause(person,accident)；is(person,perpetrator)；}
质量事故事件类(Quality accident class)：继承于事件类，通常指在一定时间段和特定场景(地点)下，因肇事者违反航天质量管理方法造成航天产品无法实现其全部功能的事件类的集合，描述如下：
步骤二：确定算法的输入输出，描述待检测对象；根据实施例1，描述待检测对象如下：
步骤三：对象要素的一致性判定；
为了便于分析和推理，我们将知识库中的Participant type简写PT，aerospaceproducts type简写APT，Location type简写为LT，IllegalActivity type简写为IllType，三者均属于复合角色。specificationerror简写为speci_error。
①肇事者实例检测：遍历对象要素，设描述的谓词为PreT，待检测的目标概念为IllegalActivity(IllAct)，构建形如当谓词为speci_error时，概念根据Extend-Tableau算法，初始化完整树T，其根节点为x并标注L(x)＝{C(x)}，首先运用规则获得再由规则可知，需新增加一个结点y，并且存在一个角色使得speci_error(x,y)，且由于IllType为复合角色，故由规则可得到此可发现结点y存在冲突，因此算法结束，并且得出结论，概念C是不可满足的，即是违规行为。以上为反正法，如果设概念可得出不存在节点冲突，同样可证明由此可以得知拥有speci_error行为的角色rp1为肇事者。
pap实例检测：根据航天产品的类型APT的定义，可设定概念可通过检测C的可满足性来判断pap的类型。通过Extend-Tableau算法，初始化完整树T，其根节点为x并标注L(x)＝{C(x)}，首先运用规则获得再由规则可知，需新增加一个结点y，并且存在一个角色使得rocket(x,y)，且由于APT为复合角色，故由规则可得到此可发现结点y存在冲突，因此算法结束，概念C是不可满足的，可得出结论是航天产品。
步骤四：地点要素实例检测：
可设定概念故可通过检测Loc的可满足性来判断。通过算法，初始化完整树T，其根节点为x并标注L(x)＝{C(x)}，可以实现概念检测算法的初始化。首先运用规则获得再由规则可知，需新增加一个结点y，并存在角色使得launching site(x,y)，且由于LT为复合角色，故由规则可得到此可发现结点y存在冲突，可得出结论概念Loc是不可满足的,launching site属于Location，即
步骤五：动作要素的一致性检测：
事件e1中动作要素共包括二部分，分别是延迟动作(delay)，以及专家到达动作(Arrive)。我们可通过判断e1与EC的动作要素中子动作角色的一致性以及动作间非分类关系的一致性来实现检测。在e1实例中delay的pap的角色与EC中delay动作的角色与e1中一致，可以证明两者存在一致性。同理可证明其他动作同样具有一致性。此外两个子动作的非分类关系具有一致性(同为跟随关系)。因此事件e1的动作要素与EC一致。
步骤六：断言要素的一致性检测：前置断言是事件发生的前提条件，在质量事故事件中包含一个前置条件，主要描述航天产品的功能满足状态，其与e1中前置断言一致，同理可证明后置以及中间断言两者也一致。
步骤七：综合上述结果，可以得出结论是，事件实例e1是质量事故事件类EC的一个实例，两者之间存在分类关系；
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
显然，本领域的技术人员可以对发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包括这些改动和变型在内。

Claims (8)

1.一种事件实例与事件类之间关系的判定方法，其特征在于，包括：
构建领域事件知识库；
确定算法的输入输出，描述待检测的事件实例；
进行所述待检测的事件实例与事件类的对象要素的一致性检测；
进行所述待检测的事件实例与事件类的地点要素的一致性检测；
进行所述待检测的事件实例与事件类的动作要素的一致性检测；
进行所述待检测的事件实例与事件类的断言要素的一致性检测。
2.如权利要求1所述的事件实例与事件类之间关系的判定方法，其特征在于，构建领域事件知识库，包括：
定义面向事件知识推理中所涉及的领域的基本概念；根据已定义概念构建特定领域的事件知识库，通过逻辑描述语言对知识库进行描述。
3.如权利要求1所述的事件实例与事件类之间关系的判定方法，其特征在于，确定算法的输入输出，描述待检测的事件实例，包括：
确定算法的输入输出，通过逻辑语言描述待检测的事件实例：
输入：E-ALC知识库KE-ALC的实例检测e:EC；
输出：如果KE-ALC|＝e:EC，则返回True，否则返回False。
4.如权利要求1所述的事件实例与事件类之间关系的判定方法，其特征在于，进行所述待检测的事件实例与事件类的对象要素的一致性检测，包括：
在事件实例e中的对象要素中，取出其中形如Re(re)的角色断言，检测Re是否属于领域概念由于所以构建概念表示为形如：
运用Extend-Tableau判断是否存在冲突，若存在冲突，证明
同理判断EC中的对应角色断言REC(rEC)，若则e对象要素中角色re与事件类中rEC一致；
遍历判断e对象要素角色和EC对应角色的一致性，以判断两者对象要素的一致性。
5.如权利要求1所述的事件实例与事件类之间关系的判定方法，其特征在于，进行所述待检测的事件实例与事件类的地点要素的一致性检测，包括：
取出事件实例e中的地点要素(loce)，设其属于地点概念为由于构建概念运用Extend-Tableau判断是否存在冲突，若存在冲突，证明
同理判断EC中的对应地点要素locEC，若那么e与EC地点要素一致。
6.如权利要求1所述的事件实例与事件类之间关系的判定方法，其特征在于，进行所述待检测的事件实例与事件类的动作要素的一致性检测，包括：
取出事件实例e中的动作要素Actione，其由一系列子动作共同组成，子动作之间为非分类关系，事件实例e中描述为事件类EC中描述为判断e和EC对应子动作一致性，包括子动作的角色及动作谓词一致性，若所有子动作一致且它们之间非分类关系描述一致，那么e与EC动作要素一致。
7.如权利要求1所述的事件实例与事件类之间关系的判定方法，其特征在于，进行所述待检测的事件实例与事件类的断言要素的一致性检测，包括：
取出事件实例e中的断言要素(Asserte:{pree,mide,poste})，EC中断言描述为AssertEC:{preEC,midEC,postEC}，分别判断三种包括前置断言、中间断言、后置断言的一致性，其中，以中间断言为例，e的中间断言描述为EC的中间断言描述为通过Extend-Tableau算法遍历断言，判断ren与rECn角色断言一致性；
如果两者一致，且那么e与EC中间断言一致，如果三种断言在e与EC均一致，那么断言要素一致。
8.如权利要求1至7任一项所述的事件实例与事件类之间关系的判定方法，其特征在于，进行所述待检测的事件实例与事件类的断言要素的一致性检测之后，还包括：
如果上述对象要素、地点要素、动作要素和断言要素的一致性检测中至少有其中之一存在不一致，则待检测事件实例e不属于事件类EC；如果都一致，则待检测事件实例e属于事件类EC。
CN201811179076.XA 2018-10-10 2018-10-10 事件实例与事件类之间关系的判定方法 Pending CN109409523A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811179076.XA CN109409523A (zh) 2018-10-10 2018-10-10 事件实例与事件类之间关系的判定方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811179076.XA CN109409523A (zh) 2018-10-10 2018-10-10 事件实例与事件类之间关系的判定方法

Publications (1)

Publication Number Publication Date
CN109409523A true CN109409523A (zh) 2019-03-01

Family

ID=65466950

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811179076.XA Pending CN109409523A (zh) 2018-10-10 2018-10-10 事件实例与事件类之间关系的判定方法

Country Status (1)

Country Link
CN (1) CN109409523A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110109968A (zh) * 2019-04-10 2019-08-09 卡斯柯信号有限公司 基于网络数据捕获的信号系统时序一致性分析方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106055536A (zh) * 2016-05-19 2016-10-26 苏州大学 一种中文事件联合推理方法和系统
CN106445990A (zh) * 2016-06-25 2017-02-22 上海大学 事件本体构建方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106055536A (zh) * 2016-05-19 2016-10-26 苏州大学 一种中文事件联合推理方法和系统
CN106445990A (zh) * 2016-06-25 2017-02-22 上海大学 事件本体构建方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张亚军: ""事件本体构建中若干关键技术的研究"", 《中国博士学位论文全文数据库 信息科技辑》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110109968A (zh) * 2019-04-10 2019-08-09 卡斯柯信号有限公司 基于网络数据捕获的信号系统时序一致性分析方法
CN110109968B (zh) * 2019-04-10 2022-09-30 卡斯柯信号有限公司 基于网络数据捕获的信号系统时序一致性分析方法

Similar Documents

Publication Publication Date Title
Ntalampiras Automatic identification of integrity attacks in cyber-physical systems
Wu et al. Complete extensions in argumentation coincide with 3-valued stable models in logic programming
US20120016831A1 (en) Simulation and test framework for a rule engine
Fischer et al. Adversarial resilience learning-towards systemic vulnerability analysis for large and complex systems
Gerostathopoulos et al. How do we evaluate self-adaptive software systems?: A ten-year perspective of SEAMS
Roberts et al. Engineered resilience for complex systems as a predictor for cost overruns
CN113515399A (zh) 数据异常检测方法及装置
CN109409523A (zh) 事件实例与事件类之间关系的判定方法
Tong et al. Verification of K-step and infinite-step opacity of bounded labeled Petri nets
Kahla et al. Secure, resilient, and self-configuring fog architecture for untrustworthy IoT environments
Krismayer et al. A constraint mining approach to support monitoring cyber-physical systems
Pfingstl et al. Warped Gaussian processes for predicting the degradation of aerospace structures
Wang et al. An efficient causal discovery algorithm for linear models
CN112633476A (zh) 一种发动机状态监测方法、系统、设备及介质
Xu et al. Recommendation system for privacy-preserving education technologies
Ashtiani et al. A novel trust evolution algorithm based on a quantum-like model of computational trust
Dong et al. Connecting the numerical scale model to the unbalanced linguistic term sets
US20230244946A1 (en) Unsupervised anomaly detection of industrial dynamic systems with contrastive latent density learning
Guanqian et al. A stochastic automaton approach to discriminate intermittent from permanent faults
Lijun et al. An intuitionistic calculus to complex abnormal event recognition on data streams
Li et al. Least-cost transition sequence estimation in labelled time Petri net systems with unobservable transitions
Li et al. Stealthy replay attack detection of 3-DOF helicopter benchmark system using dynamic watermarking approach
Krishna et al. A dependency analysis for information security and risk management
Hugues et al. Contracts in System Development: From Multiconcern Analysis to Assurance With the Architecture Analysis and Design Language
Srivastava Did Chatbots Miss Their'Apollo Moment'? A Survey of the Potential, Gaps and Lessons from Using Collaboration Assistants During COVID-19

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20190301

RJ01 Rejection of invention patent application after publication