导读:本文包含了混合事件方法论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:事件,神经网络,门控,中文,子群,子粒,实体。
混合事件方法论文文献综述
吴文涛,李培峰,朱巧明[1]（2019）在《基于混合神经网络的实体和事件联合抽取方法》一文中研究指出实体和事件抽取旨在从文本中识别出实体和事件信息并以结构化形式予以呈现。现有工作通常将实体抽取和事件抽取作为两个单独任务,忽略了这两个任务之间的紧密关系。实际上,事件和实体密切相关,实体往往在事件中充当参与者。该文提出了一种混合神经网络模型,同时对实体和事件进行抽取,挖掘两者之间的依赖关系。模型采用双向LSTM识别实体,并将在双向LSTM中获得的实体上下文信息进一步传递到结合了自注意力和门控卷积的神经网络来抽取事件。在英文ACE 2005语料库上的实验结果证明了该文方法优于目前最好的基准系统。(本文来源于《中文信息学报》期刊2019年08期）
秦彦霞,王中卿,郑德权,张民[2]（2019）在《基于混合表示的中文事件检测方法研究》一文中研究指出传统中文事件检测方法采用人工定义的特征表示候选触发词,耗时耗力。基于神经网络的特征学习方法在中英文事件检测任务中得到了验证。现有的基于神经网络的中文事件检测方法初步探索了字信息对解决分词错误的作用。字是中文的最小结构单元和语义表示单元。词语的字符级信息能够提供词语的结构性信息和辅助词语级语义。该文研究了字/词混合神经网络特征对于解决中文事件数据集未登录词问题的作用。采用神经网络模型分别学习词语的词语级表示和字符级表示,进而拼接得到词语的混合表示。实验结果表明,基于字/词混合表示的中文神经网络事件检测模型的F_1值比当前最好的模型高2.5%。(本文来源于《中文信息学报》期刊2019年04期）
高利剑[3]（2019）在《环境辅助的混合声音事件检测方法研究》一文中研究指出作为信息传递的第一载体,声音信号中蕴藏着大量的信息,如何通过计算机自动捕捉有效信息从而实现混合声音事件检测逐渐成为研究主流。混合声音事件检测(polyphonic AED)的目的是识别连续声信号中出现的声音事件,标记出混合在同一语音信号中的不同事件发生的始末时间。声音事件检测可用于多种应用场景,如声学监控、自动音频索引等,因此对于声音事件检测的研究具有极其重要的社会意义。目前,已存在的声音事件检测方法只能通过全局特征来识别不同的声音事件,当声音事件多且复杂时,这种全局特征无法很好地表达每类事件,从而导致检测性能较低。尤其当大量目标事件存在时,检测性能急剧下降。针对不同类别的声音事件,如何学习特定于事件的更具区分性的特征,目前还未见报道;此外,现有方法未考虑环境上下文信息,环境上下文信息中包含了许多有利于引导声音事件检测的有用信息,忽略这些信息将影响环境鲁棒的声音事件检测,即发生在不同环境背景下的同一事件无法很好地被识别。鉴于以上两种挑战,分别提出一种基于解散表达学习的声音事件相关的特征学习方法和一种环境辅助的声音事件检测方法。文章的主要内容和创新点如下:(1)提出基于监督变分自动编码器的声音事件特征解散学习方法。该方法引入全新的解散约束,使β-变分自动编码器(β-VAE)能够从语音信号中学习到生成因子(generative factors),以监督学习的方式解散出声音事件相关的隐因子(latent factors),并且通过特征区块(feature blocks)或注意力机制(attention mechanism)为每种声音事件学到特定的解散表达(disentangled representation)。实验结果表明:基于解散表达学习声音事件的相关特征学习能显着提升声音事件检测性能,在DCASE 2017比赛数据库上,该方法优于比赛的两个最佳模型(最高F1模型J-NEAT和最低ER模型CRNN);在Freesound数据集上,该方法在大量目标事件检测情况下评价指标值(如20种目标声音事件检测情况下,F1=85.09%)远高于基准模型(DNN,F1=41.39%)和主流方法(CRNN,F1=71.30%)。(2)提出环境辅助的多任务混合声音事件检测模型(EAMT model)。该模型通过多任务学习方式学习具有场景鉴别能力的环境上下文特征,该特征可以很好地学习到声音事件发生的背景环境以及该环境下与声音事件相关的隐藏信息。利用该特征来辅助声音事件的检测,可有效增强模型对环境变化的鲁棒性从而提高事件检测的性能。实验结果表明:环境辅助的多任务混合声音事件检测模型在主流数据库上进一步提升了事件检测性能,同时还能够容忍环境的变化,即发生在不同场景下的同一类事件也能够很好地被检测。比如,在Freesound数据集上,当环境发生变化时,本文提出的方法事件检测F1分数为87.01%,而基准模型DNN和主流方法CRNN分别为仅82.24%和85.76%。(3)设计并实现环境辅助的混合声音事件检测原型系统。采用Python程序设计语言和Keras深度学习框架设计并实现环境辅助的混合声音事件检测原型系统。该系统包含数据预处理、事件相关的解散特征提取、环境辅助的多任务声音事件检测模型以及结果可视化四个模块。其中,提出的基于解散表达学习的声音事件相关特征学习方法和环境辅助的多任务混合声音事件检测方法均在该原型系统中得以实现。通过该原型系统的实现来展示和验证本文提出方法的有效性和实用性。(本文来源于《江苏大学》期刊2019-04-01）
虞金中,杨先凤,陈雁,李娟[4]（2018）在《基于混合模型的新闻事件要素提取方法》一文中研究指出为了帮助读者从大量新闻报道信息中迅速地把握其主要内容,本文分析了事件要素对新闻主要内容的影响,结合新闻报道的基本原则和要求,提出了一种基于混合模型的事件要素提取方法.该方法首先对新闻数据中识别的实体进行加权,然后使用依存句法树分析实体在新闻事件中扮演的角色,并对关于要素的指代现象进行消解,最终融合频率及角色关系对实体加权的方法进行改进,有效地提取出新闻事件关联性较为重要的要素.实验结果表明,本文所述方法能够准确地提取出与新闻事件关联性较强的事件要素,提高了读者快速筛选新闻事件要素的效率.(本文来源于《计算机系统应用》期刊2018年12期）
陈荣,梁昌勇,陆文星,董骏峰,葛立新[5]（2017）在《面向旅游突发事件的客流量混合预测方法研究》一文中研究指出由于旅游突发事件的突然爆发性、危害性及信息不对称性,导致旅游客流量在短时间内发生急剧变化,原有模式被打破,非线性趋势和线性特征交织的随机性趋势明显,为旅游客流量正常预测带来极大的难度。本文提出一种面向旅游突发事件客流量混合预测方法,即支持向量回归(Support Vector Regression,SVR)和自回归求和移动平均模型(Autoregressive Integrated Moving Average,ARIMA)结合的混合预测方法:首先通过SVR预测旅游突发事件时期客流量,然后再用ARIMA预测SVR预测值的残差部分,最后将两者预测结果相加;同时针对客流量复杂特征,采用一种混沌粒子群算法(Chaos Particle swarm optimization,CPSO)实现对SVR参数选择。来自黄山风景区汶川地震时期客流量相关数据验证表明,混合预测模型优于单一预测方法,为旅游突发事件时期客流量预测提供了一种有效选择。(本文来源于《中国管理科学》期刊2017年05期）
丁喆[6]（2017）在《基于混合模型的社交网络新事件检测方法研究与应用》一文中研究指出传统的新事件检测往往只注重检测过程中的某一具体环节,而尚未构架出一个完整而全面的能够保证新事件检测准确度和效率的系统。本文在现有新事件检测研究的基础上,针对现有社交网络检测新事件中监测节点较多导致算法效率较低、时间准确度不够、水军用户对结果产生影响、结果话题性单一甚至最终结果中存在伪舆情的情况,除了提出如何高效获得核心节点之外,还考虑了识别水军账号和基于信息的主题社区划分、伪舆情验证检测等问题,旨在建立一个相对完善、实用的严密而完善的新事件检测方法。本文以新浪微博为研究对象,首先用EBKND算法抓取核心用户数据,获得一个初始的可用数据库。紧接着,为了保证获得的新事件的准确性和严密性,本文引入了水军剔除和主题社区划分的步骤。通过基于综合指数和熵值法的水军识别算法来剔除水军主要是为了防止获得的用户中存在水军的可能性;除了水军问题之外,新浪微博还存在一个比较严重的问题就是关于娱乐报道及与明星有关的事件占据过高的关注度,通过社交网络中基于主题信息的社区划分算法,就可以保证获得的新事件的多样性和高效性。最后一个步骤,检测伪舆情可以剔除结果中的“假新事件”,保证最终结果的准确性。最后,本文采用NED实验和评估,从四个方面来评估算法:缺失率、误报率、平均准确率和平均检测时间。通过对这些指标数据的运算和比较,我们可以发现权威用户分析模型对于NED的效果影响显着,即EBKND算法和水军识别两种算法保证了新事件检测的精度和效率。最后给出了在NED中引入主题社区的好处,除了降低了算法时间复杂度,最重要的是提高了话题的多样性。(本文来源于《湖南大学》期刊2017-04-10）
徐杨,袁峰,林琪,汤德佑,李东[7]（2018）在《基于混合人工免疫算法的流程挖掘事件日志融合方法》一文中研究指出流程挖掘是流程管理和数据挖掘交叉领域中的一个研究热点.在实际业务环境中,流程执行的数据往往分散记录到不同的事件日志中,需要将这些事件日志融合成单一事件日志文件,才能应用当前基于单一事件日志的流程挖掘技术.然而,由于流程日志间存在着执行实例的多对多匹配关系、融合所需信息可能缺失等问题,导致事件日志融合问题具有较高的挑战性.对事件日志融合问题进行了形式化定义,指出该问题是一个搜索优化问题,并提出了一种基于混合人工免疫算法的事件日志融合方法:以启发式方法生成初始种群,以人工免疫系统的克隆选择理论作为基础,通过免疫进化获得"最佳"的融合解,从而支持包含多对多的实例匹配关系的日志融合;考虑两个实例级别的因素——流程执行路径出现的频次和流程实例间的时间匹配关系,分别从"量"匹配和"时间"匹配两个维度来评价进化中的个体;通过设置免疫记忆库、引入模拟退火机制,保证新一代种群的多样性,减少进化早熟几率.实验结果表明:该方法能够实现多对多的实例匹配关系的事件日志融合的目标,相对于随机方法生成初始种群,启发式方法能够加快免疫进化的速度.另外,针对利用分布式技术提高事件日志融合性能,探讨了大规模事件日志分布式融合中的数据划分问题.(本文来源于《软件学报》期刊2018年02期）
何庆华[8]（2017）在《用于叁体系统玻色-爱因斯坦关联的事件混合方法》一文中研究指出玻色-爱因斯坦关联(BEC)可以用于测量粒子出射区的时间空间性质,事件混合方法是用于观测BEC效应的常用手段,对于相对论能区重离子碰撞等可以产生大量全同末态粒子的反应,这种方法具有独特优势.但是对于末态粒子数非常有限的反应,守恒关系、共振态和一些其他原因引起的关联,对事件混合方法产生不可忽视的干扰,事件混合在消除玻色-爱因斯坦关联的同时也消除了其他所有的关联,严重制约了BEC研究.本文探索一种适合末态只有两个全同玻色子的叁体反应系统的事件混合方法,提出了五种可行的事件混合限制条件,采用数值模拟研究了不同限制条件对事件混合的效果,甄别出最优的限制条件.测试结果显示,当要求混合事件的丢失质量与原始反应一致,并将原始事件样本中玻色子能量高于某一给定值的事件剔除掉,这种限制条件下得到的事件混合结果最优,可以用于观测BEC效应.另外,要求两个交换玻色子的方位角一致时得到的结果也较优,相比前者,此限制条件不需要删除一部分事件,可以得到更好的统计误差.(本文来源于《物理学报》期刊2017年02期）
胡文斌,王欢,严丽平,邱振宇,肖雷[9]（2016）在《混合指标量子群智能社会网络事件检测方法》一文中研究指出社会网络错综复杂,如果能够及时发现和预测当前网络可能发生的重大事件并采取有效的处置策略,将具有重大意义.链路预测的理论框架和评价方法为社会网络事件检测提供了一条有效途径.目前,链路预测的研究工作大多针对特定网络提出相似性指标,试图取得更高的链路预测精度.这些研究存在如下问题:(1)不同的相似性指标适用于不同的网络,不具有普适性;(2)独立的相似性指标无法全面反映网络演化的多样性和复杂性;(3)链路预测时未考虑网络演化过程中可能出现波动,无法进行事件检测.基于上述问题,提出一种社会网络事件检测的混合指标群智能方法 Index Event,由最佳权重算法OWA(optimal weight algorithm)和波动检测算法FDA(fluctuation detection algorithm)组成,可以评价不同网络的演化波动,发现网络波动异常,进行事件检测.主要工作如下:(1)提出了混合指标,并证明了基于混合指标的链路预测算法可以取得更高的预测精度;(2)基于量子粒子群算法提出了最佳权重算法OWA,以高效地确定不同网络的最佳混合指标;(3)提出了一种网络波动检测算法FDA,定量评价不同时段网络演化的波动程度,并在考虑微观因素的基础上进行改进.对不同特征的网络进行实验,结果表明,Index Event方法能够准确地反映事件造成的网络演化波动,有效地检测事件.(本文来源于《软件学报》期刊2016年11期）
王谦,江伟,李曼,汤磊[10]（2014）在《一种基于录波数据的故障事件检测的混合方法》一文中研究指出当电网发生故障时,变电站会产生大量的报警和录波数据。这其中包括二次回路信号、故障录波数据和PMU数据。故障录波数据包含故障发生发展的细节信息,可以用于诊断故障发生时间、断路器动作时间。这对电网诊断和智能报警功能非常重要。然而,一般用故障录波数据进行诊断分析需要调度人员的参与,耗时很长。本文面向IEC 61850和数字化变电站设计一种两层的故障诊断模式。基于此,提出一种检测反映故障过程中的主要事件的录波数据突变检测的混合算法,这些主要事件包括故障发生、断路器动作等。使用仿真算例验证了所提方法的正确性和有效性。(本文来源于《华东电力》期刊2014年03期）
混合事件方法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
传统中文事件检测方法采用人工定义的特征表示候选触发词,耗时耗力。基于神经网络的特征学习方法在中英文事件检测任务中得到了验证。现有的基于神经网络的中文事件检测方法初步探索了字信息对解决分词错误的作用。字是中文的最小结构单元和语义表示单元。词语的字符级信息能够提供词语的结构性信息和辅助词语级语义。该文研究了字/词混合神经网络特征对于解决中文事件数据集未登录词问题的作用。采用神经网络模型分别学习词语的词语级表示和字符级表示,进而拼接得到词语的混合表示。实验结果表明,基于字/词混合表示的中文神经网络事件检测模型的F_1值比当前最好的模型高2.5%。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
混合事件方法论文参考文献
[1].吴文涛,李培峰,朱巧明.基于混合神经网络的实体和事件联合抽取方法[J].中文信息学报.2019
[2].秦彦霞,王中卿,郑德权,张民.基于混合表示的中文事件检测方法研究[J].中文信息学报.2019
[3].高利剑.环境辅助的混合声音事件检测方法研究[D].江苏大学.2019
[4].虞金中,杨先凤,陈雁,李娟.基于混合模型的新闻事件要素提取方法[J].计算机系统应用.2018
[5].陈荣,梁昌勇,陆文星,董骏峰,葛立新.面向旅游突发事件的客流量混合预测方法研究[J].中国管理科学.2017
[6].丁喆.基于混合模型的社交网络新事件检测方法研究与应用[D].湖南大学.2017
[7].徐杨,袁峰,林琪,汤德佑,李东.基于混合人工免疫算法的流程挖掘事件日志融合方法[J].软件学报.2018
[8].何庆华.用于叁体系统玻色-爱因斯坦关联的事件混合方法[J].物理学报.2017
[9].胡文斌,王欢,严丽平,邱振宇,肖雷.混合指标量子群智能社会网络事件检测方法[J].软件学报.2016
[10].王谦,江伟,李曼,汤磊.一种基于录波数据的故障事件检测的混合方法[J].华东电力.2014
论文知识图
