时间变元Now的绑定算法

时间变元Now是时间元素中的特殊对象,对它的合理处理关系到整个数据库中时间元素的规范性,在数据库的查询等操作时,对Now的有效绑定是正确结果的前提.对Now的处理问题,一直为人们所关注,但是其中大多只是将Now问题示例化,不够系统全面.提出时间变元Now的绑定(binding)算法,用以解决Now变元的规范化问题.     

时态数据库浅析

数据库技术的广泛应用对时态信息的管理提出了挑战,而在面向对象数据库模式上扩展时态信息处理能力正成为数据库技术发展的一个重要趋势。本文介绍了时态数据库的概念、数据模型,面向对象数据库的概念和实现方法。     

时态知识/数据模型研究及应用

时间是信息的重要属性,不仅数据有时态性,而且知识也有时态性.时态信息在信息系统中扮演着日益重要的角色,在某些系统中还起着关键性作用.将时态应用分为完全时态应用、嵌入式时态应用和混合型时态应用3种模式,提出一种时态信息模型,重点讨论时态数据模型和时态知识表达模式,介绍典型时态信息系统"工资智能决策支持系统"中的知识/数据处理模型.     

有效时间不确定性研究

时态数据库中的有效时间中引入了时态变量Now。本文主要介绍now产生的复杂语义,进而分析复杂语义带来的查询结果的时态不确定问题以及现有处理模型及其不足,最后建立now复杂语义不确定性时态数据模型。     

BCDM中的时间标签规范及优化

对BCDM(the Bitemporal Concept Data Model)模型中的时间标签进行处理,给出了一种规范的时间标签的记录形式,并对规范后的标签进行优化处理,以及对时态操作前的变元进行了消解.这种对时态标签的处理,减少了时间变元的记录,也给时态存储、时态索引和检索带来了优化.     

时态信息与时态信息管理研究

时态信息和时态信息管理是数据库技术和信息管理技术的一种新的研究领域,对于信息的时态要求是信息应用需求多元化的必然.本文概括了时态信息管理中的经典模型,研究了时态信息管理的常用软件,并对其相关的时态支持进行了分析归纳.     

时态信息管理中的时间元素演算

时态信息管理是信息化技术的重要发展方向,对时态信息中的时间元素进行研究,给出其有效的形式表达,并对其演算进行形式描述,这是时态信息管理走向应用的基础工作.文中在描述时间元素演算的同时,提出了BCDM中的同属性元组概念,并用图形描述了同属性元组间的演算问题。     

基于模糊集的模糊时态映射模型

为了使时态数据库对客观世界更符合实际抽象描述,提出了用模糊测度分析模糊时态数据的隶属度,基于模糊集理论建立了模糊时态映射模型,实现测度模糊值向离散时态区间的映射.建立的模糊时态关系模型进行传统概念扩展,对事件的模糊时态信息作测度分析,抽取和元组离散时间对应的事件模糊值,向离散时态区间作映射,在模糊时态数据库概念层使模糊数据和时态凸区间实现原子对应.该理论弥补了现有时态数据库不能处理模糊时态信息的缺陷,扩展了模糊时态数据库处理模糊事件的能力.     

时态XML索引Txmlsindex

时态XML数据操作的基本途径是相应时态索引模式,而时间信息与结构信息的整合协同是涉及索引效率的关键技术.该文研究了一种基于时态拟序和时态编码协调的时态XML快照索引Txmlsindex,实现了“一次一集合”的时态数据查询和基于Tcodes编码的结构信息重置;比较评估Txmlsindex的可行性与有效性;提出的技术框架和索引模式还可拓展到时态XML的一般查询过程当中.     

时变参数自适应控制算法

基于动态测量数据处理实践和学科发展的必要,作者构造了可考虑时变特性的时变参数自适应控制数学模型。对于此模型的算法关键是参数因子的选择,把参数序列作为参数函数的表达式,其参数是广义参数,在计算中是一可变值。在包括参数因子的目标函数下,得到了时变参数自适应控制算法公式,并与自适应控制模型一般公式作了比较。参数因子函数的表达依赖于所处理问题的信息相关性,文中给出了基本的选择值可供参考。     

网络信息发布中基于角色的控制

对已发布的信息进行跟踪控制,是网络信息发布中一类新的安全需求。针对这种需求,提出了一种基于专用客户端软件、加密技术、封装技术和RBAC的安全解决方案,对临时授权的情况进行了研究,并对系统实现中的一些关键问题进行了讨论。     

一种面向自然语言表达的不确定时态数据的建模方法

在医疗信息系统中,含自然语言表达式的时态信息起着关键性作用。如何处理基于自然语言的不确定时态信息问题一直没有得到很好地解决。针对医疗信息系统的需求,在此对时态数据模型的研究现状以及一些经典的不确定时态医疗信息数据模型进行了研究。对各种传统的时态原语类型进行不确定性扩展。提出了基于自然语言表达式的不确定时态数据模型NLTM。     

基于时间卷积网络的机器阅读理解

针对目前机器阅读理解任务中缺乏有效的上下文信息融合方式和丢失文本的整体信息等情况,提出基于时间卷积网络的机器阅读理解模型.首先将文本的单词转化成词向量并加入词性特征;接着通过时间卷积网络获取问题和文章的上下文表示;之后采用注意力机制来计算出问题感知的文章表示;最后由循环神经网络模拟推理过程得到多步预测结果,并用加权和的方式来综合结果得到答案.实验使用了SQuAD2.0数据集,在EM和F1值上相比基准实验分别提升了6.6%和8.1%,证明了该方法的有效性.     

Rough集挖掘时间序列的研究

Rouhg集方法是一种用于处理不确定性和模糊性知识的数学工具。探讨了基于Rough集方法的时间序列挖掘问题,提出一种将时态信息系统转化信息系统的方法和一个将实时时态信息系统转换为时态信息系统的方法;并从理论上证明了该方法在挖掘效率上的优越性。     

时态信息处理技术研究综述

时间是信息的重要属性。随着数据库与信息技术的深入和发展，时态信息在信息系统扮演着日益重要的角色。将时态信息研究的起源与发展分成3个时期，简述各个时期研究情况和代表性成果。还分析了国内外时态信息有关研究献，介绍了几种代表性时态数据模型，对时态信息技术研究现状与存在的不足，以及未来的发展都给出了作的见解。     

中国蒙古文信息处理技术发展历程

从国内外蒙古文信息处理现状、蒙古文国际标准与字库、蒙古文信息处理关键技术等几个方面简述了蒙古文信息处理技术发展历程,并对蒙古文信息处理应用价值及存在的问题进行了分析,希望以此可以为推进蒙古文信息处理工作提供良好的参考作用。     

基于时域模型分析谐波复合音的音高感知机制

为了探讨中等次数的谐波复合音是否依赖于时间精细结构信息进行音高感知, 测量了谐波复合音的基频辨别阈。目标复合音可以单独存在, 或者和掩蔽复合音同时存在。二者经过相同的带通滤波区域, 具有不同的相位组合和基频差异。结果表明: 相位组合对音高感知没有显著影响; 滤波区域和基频差异对音高感知具有显著影响。采用时域模型分析发现, 中等次数的谐波复合音可能依赖于时间精细结构信息获得较好的音高感知结果。研究结果能帮助建立复杂声音场景下的音高感知机制。     

基于浅层语义分析的主题事件的时间识别

时间识别是自然语言处理中极其重要的课题。事件中与主题相关的时间信息体现了事件在时间维度的主题特征。当前面向事件的时间识别大多是基于句子或短语的,并采用静态时间值机制。本文提出了一个面向主题事件的时间识别模型。该模型采用参考时间动态选择机制对时间表达式规范化。结合事件抽取和浅层语义分析,将浅层语义分析结果和时间表达式进行映射,将基于句子或短语的时间识别转化为基于篇章的时间识别,从而识别主题事件片段的时间。实验表明所提出的方法使主题事件片段的时间识别的性能提高了9.6%。