导读:本文包含了事件查询论文开题报告文献综述及选题提纲参考文献，主要关键词:因果关系查询,关系重写,航空安全事件,语义相似度计算
事件查询论文文献综述
王红,杨蓉,郭静[1]（2019）在《基于RDF重写的航空安全事件因果关系查询方法研究》一文中研究指出针对航空安全事件RDF图数据因果关系查询中低匹配和无匹配的问题,提出一种基于语义相似度和RDFS规则的重写方法。该方法首先采用基于词向量的语义相似度计算方法将用户RDF叁元组转换为领域本体RDF叁元组,然后依据RDFS规则对领域本体RDF叁元组进行关系扩展重写,最后将该方法应用于航空安全事件因果关系的查询。实验结果表明,该方法在查全率和查准率方面取得明显效果,能够改善因果关系查询中低匹配和无匹配的问题,为解决航空安全事件因果关系的查询问题提供了方法支持。(本文来源于《现代电子技术》期刊2019年16期）
王俊陆,梅昕苏,丁琳琳,宋宝燕,罗浩[2]（2019）在《基于多粒度Top-k查询的流式数据事件获取方法》一文中研究指出流式数据中事件的查询及获取是研究流式数据各类操作的基础.现有流式数据系统中的事件查询只针对流中的异常数据点进行查询,而在实际情况下,流式数据中的事件多为一段连续时间的异常,包含时间、空间位置等多种信息,因此,传统的阈值查询方法无法从不同的时间及空间角度对事件进行全面分析,查询准确性极低,导致无法获取事件的全部信息.针对这些问题,本文提出一种基于多粒度Top-k查询的流式数据事件获取方法.该方法首先在监测区域内构建基于投影分区的区域监测簇;在此基础上,提出一种改进的多粒度空间Top-k查询方法对点进行查询,获取异常事件发生的空间位置信息;其次,基于事件峰谷点信息,对流式数据进行时间多粒度Top-k查询,找出异常事件的触发点和终止点,从而获得事件的完整信息.实验表明,本文提出的方法在系统资源开销、查询效率等方面均具有很大优势.(本文来源于《辽宁大学学报(自然科学版)》期刊2019年03期）
何远德,黄奎峰[3]（2019）在《一种连续查询事件中基于语义的轨迹k-匿名方法》一文中研究指出针对传统的轨迹k-匿名方法难以防范以连续查询为背景知识的攻击问题,利用事件本体对轨迹连续查询进行形式化表示的优点,提出一种连续查询事件中基于语义的轨迹k-匿名方法。该方法引入OWL(Ontology Web Language)形式化表示关于轨迹查询事件,构建基于事件本体的轨迹匿名模型;利用轨迹片段相似度计算和Jena推理引擎,给出基于k-匿名查询事件的轨迹聚类方法,实现关于当前轨迹的虚假匿名组。实验表明,与传统方法相比,该方法的信息损失率降低了15%～20%,查询精准率保持在75%以上,执行时间减少约20秒,较好地维持轨迹数据匿名的有效性和可扩展性。(本文来源于《计算机应用与软件》期刊2019年08期）
连世伟,李宏伟[4]（2019）在《面向事件的气象数据流滑动窗口查询机制研究》一文中研究指出NCEP的再分析计划以气象数据为数据源,从事件的角度定义了元对象,探讨了基于事件的元对象查询机制,分析了各属性异常、综合属性异常、属性异常频繁和属性分布等4个事件元对象的查询过程。定义了数据流、滑动窗口和地理数据块,提出了面向事件的气象数据流滑动窗口查询方法,为气象数据流的检测、分类、频繁挖掘和高维聚类奠定良好基础。(本文来源于《测绘与空间地理信息》期刊2019年06期）
李辰[5]（2019）在《通过深度相关性查询实现新闻事件挖掘》一文中研究指出文中提出了基于给定的查询词以新闻文档和具有额外情感极性评论信息为排名特征的新闻事件排名算法框架。首先,通过语义相似度交互模块将查询关键词、新闻文档和带有情感色彩的新闻评论转换为语义向量表示,并计算查询词和新闻文档相似度以及查询词和评论语句相似度。然后,基于特征提取查询关键词重要性特征、查询关键词频率特征和新闻事件相关性特征。最后,通过特征聚合模块将提取的特征与一些辅助相关特征合并,产生全局相关性分数,并基于所得出的全局相关性分数对新闻事件进行排名聚类。大型新闻数据集上的实验证明了该算法框架与常见排名算法相比具有明显的性能优势。(本文来源于《信息技术》期刊2019年05期）
苏畅[6]（2018）在《多源复杂事件检测中查询计划生成与优化技术的研究》一文中研究指出随着互联网技术的飞速发展,各行各业都在使用信息化的手段来判断行业趋势,指导行业发展。各应用领域在信息化过程中所产生的数据也呈爆炸式增长。如何从这些数据中发现有价值的信息成了当今的热门研究领域之一。复杂事件处理技术被用来解决此类问题。复杂事件处理技术是流数据查询的常见手段。随着数据多元化的发展,查询的复杂度急剧提升,其处理性能面临极大地挑战。为了描述复杂的查询,复杂事件检测常采用正规式的方式来表示事件间的关系,正规式支持克林闭包操作,具有丰富的描述能力。为了提高多源复杂事件查询的处理效率,本文出一种针对正规式的查询分解方案。首先,对复杂事件处理系统针对以克林闭包操作结尾的事件检测表达式无法分解的情况进行了阐述;其次,对检测表达式进行细粒度分解,并生成对应的查询计划;最后,根据查询计划构造集群拓扑图,运行在分布式集群中。在多数据源的应用背景下,这种分解方案可以有效地提高集群资源的利用率从而提高系统的处理效率。本文在查询计划的基础上进行以下优化。对于影响处理性能的谓词筛选操作进行分析,根据筛选所针对事件源的不同,将其合理进行划分,有效提高处理效率。对于采用正规树模式作为事件源匹配的系统,可以将谓词表达式中仅作用于一个事件源的子表达式与正规树模式匹配相结合设计筛选合并的优化方案,可以极大化的降低系统内部通信开销。在查询语句中,对于同一事件源还可能会匹配多种不同的正规树模式。对于此种情况,结合前面提及的优化,根据筛选条件提取出一个公共模式,可以做到一次匹配多次使用,较好的提高系统性能。本文设计并实现了的CIEP系统,该系统运行在Storm分布式集群上,并进行多组实验测试。实验结果证明以上优化方法能够提高系统20%左右的查询效率。(本文来源于《北京工业大学》期刊2018-06-01）
郑利强,廖湖声,苏航,高红雨[7]（2018）在《一种针对正规树模式的复杂事件查询方法》一文中研究指出随着对半结构化流式数据进行复杂事件查询的需求日益增加,高效地进行复杂事件查询显得尤为重要。目前针对复杂事件查询的方法主要集中在仅有结构约束的查询请求,对同时含有时序约束的查询请求不能很好地支持。因此,针对XML这种半结构化流式数据,提出了一种基于下推自动机扩展的模式匹配算法,它能够高效地处理使用正规树模式描述的含有结构约束和时序约束的复杂事件,通过对比实验也证明了该方法具有更高的性能。(本文来源于《计算机与数字工程》期刊2018年05期）
陈贵丹[8]（2018）在《面向数据流的Top-k复杂事件查询技术研究》一文中研究指出互联网产业的快速发展在带来数据规模爆炸式增长的同时,也使大数据呈现出越发鲜明的流式特征,数据流以其特有的实时性、突发性、易失性和无限性给传统数据库带来了巨大的挑战。复杂事件处理技术采用事件检测的方法,通过事件属性和事件层次结构之间的关系,使用各种规则处理算法对事件进行匹配和关联,对海量的数据流进行不断的过滤,从中找出满足规则约束条件的事件集合,挖掘出用户感兴趣和有用信息,并提供快速响应。复杂事件处理技术能够满足海量数据处理中高吞吐量、低延迟的需求,是数据流处理的关键技术之一。研究能够适应数据流多样、海量、无限、时变等特性的动态的分析技术及高效的处理算法是数据流实时处理的关键。国内外研究学者相继提出了针对不同应用场景的数据流Top-k复杂事件查询算法。但是,现有研究成果不够完善。这些算法大多对数据流分布和参数变化比较敏感,本论文分别针对数据流动态自适应分区的Top-k连续查询问题、数据流的Top-k支配查询等问题进行了一定的研究和探讨。本文主要的研究工作总结如下:(1)基于动态自适应分区技术的Top-K连续查询算法由于数据流的实时性、持续性、无限性等特点,本文采用滑动窗口技术来处理数据流的连续查询。论文首先采用定长分区策略把窗口分区成多个不相交的子窗口,定长分区方法在维护候选集的时候会造成不必要的维护成本。针对这个问题,进一步提出了动态自适应分区算法,该算法可以根据数据流的动态分布自适应调整分区的大小,并通过曼惠特尼秩和检验检测分区的大小是否合适。然后通过全局过滤和局部过滤方法,提前过滤那些对最终结果集没有贡献的对象,降低通信成本。最后在大量实验的基础上验证了算法的高效性。(2)分布式数据流的Top-k支配查询算法针对传统Top-k查询评分函数不好指定,skyline查询结果集大小不好控制等问题,提出了数据流的Top-k支配查询算法,Top-k支配查询继承了 Top-k查询和skyline查询的优点,因此在决策支持等领域发挥着重要作用。本章采用SparkStreaming+HDFS的分布式查询框架,提出了基于Filter-based的Top-k支配查询算法,并结合subspace skyline和SKYBr技术高效过滤非k-skyband对象,达到提前剪枝的目的,提升了算法的性能。最后通过真实数据集验证了算法在时间和空间方面的性能。(本文来源于《湖南大学》期刊2018-05-09）
韩名豪[9]（2018）在《基于Hadoop的新闻事件数据查询与分析》一文中研究指出伴随着互联网技术发展,新闻数据量呈爆炸式增长,GDELT就是这样一个庞大且快速增长的全球新闻事件数据集,迄今约有四亿八千多万条数据。应对海量数据集时,由于传统的MySQL/Oracle体系大多适用于单机环境,其性能受到限制,导致存储空间的扩展性不足,分析计算的效率低下,无法保证查询的实时响应,最终影响了用户交互性。如何高效地实现大规模数据集下的快速检索并从中发掘出新的价值是本文研究的重点内容。论文分析了现有的分布式存储和搜索技术,以Hadoop平台为基础,通过对索引效率、查询速度以及计算效率的综合考量后,确定了以Solr作为分布式搜索引擎,Spark作为核心计算引擎的主要技术路线,提出了一套高效适用的解决方案。通过对Spark与Solr分布式技术的交互运用,充分发挥二者并行化工作的特点。利用Spark内存计算模型多任务并行读取Solr中的原始数据,对数据预先进行筛选、聚合、统计之后生成聚合统计表,再批量写回Solr。由此实现对原始大表的降维压缩,以减少后续查询的计算量,之后不同的业务查询需求直接在相关统计表上请求实现,该模块是系统得以快速响应的关键。基于上述关键技术,设计实现在线新闻服务系统——由ETL模块、统计模块以及查询分析模块共叁部分构成。ETL模块负责将原始数据从HDFS批量索引到搜索引擎Solr中;统计模块负责将Solr中的数据进行预先聚合计算生成统计表;查询分析模块用于对新闻数据查询与分析结果进行可视化展示。研究工作和实验结果表明,本文阐述的集数据采集、存储优化、统计计算及查询结果可视化于一体的新闻服务系统实现了对海量数据的高效存储及快速检索,验证了本文所提方法的有效性和实用性。(本文来源于《北京邮电大学》期刊2018-01-17）
陈炫伶[10]（2017）在《基于查询计划的分布式复杂事件处理技术研究》一文中研究指出网络时代产生了不断爆炸式增长的数据,如何对这些数据进行处理获得有价值的信息是计算机领域研究的重点。以往的数据挖掘相关方法中,需要对数据进行建模并设计专门算法,灵敏度较差,不能满足如今种类繁多、产生速率过快的数据处理需求。复杂事件处理能够对来自不同数据源中的海量数据实时地进行处理,将简单事件合成高层次事件,提取有意义的信息,并最终做出响应。但是大多数复杂事件处理都是按照集中式处理架构,如今大多数的应用,尤其是面向物联网的应用,其主要特点就是分布式部署结构,而物联网应用产生的数据具有异构、分散和海量等特征,使得很难再用传统的复杂事件处理想法来满足要求。针对上述问题,本文主要研究了基于查询计划的分布式复杂事件处理技术,通过有计划的分布式复杂事件处理能够有效地处理海量实时数据。本文主要研究内容如下:(1)提出了一种基于事件流划分的分布式复杂事件处理(PDCEP)框架,该框架能够接收多个不同的数据流,在输入管理器和查询管理器协作下发送事件流给复杂事件处理引擎进行多节点的分布式处理,处理结果发送给输出管理器。(2)在PDCEP分布式框架的基础上,提出了一种基于事件流划分的操作分布式复杂事件处理(ODCEP-ESP)方法。该方法分为基于查询事件类型的事件划分策略和对复杂查询进行划分的操作分布式方法两个方面。事件划分策略基于查询所需的事件类型有计划地进行事件流的划分,每个划分都看作是一个查询计划的生成。操作分布式方法是指将查询分成不同的子查询序列以处理复杂查询的方法。每个步骤都分配给系统中的一个操作符节点,有计划地进行处理。(3)针对大量复杂事件查询序列存在相同子表达式的问题,本文提出了一种查询重写方法,对复杂事件查询进行优化。首先根据查询表达式构建相应的表达式图并进行合并且给出了合并算法,然后在此基础上提出了一种基于表达式图(Expression Graph,ExpG)的查询重写方法,该方法通过识别不同表达式的公共子表达式,进而对其进行合并、共享和重用,实现冗余过滤和提高效率。查询表达式用多个对应的表达式图进行表示,且表达式图与复杂事件也是一一对应的关系。最后通过实验验证了算法的有效性。(本文来源于《湖南大学》期刊2017-05-09）
事件查询论文开题报告
（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：
流式数据中事件的查询及获取是研究流式数据各类操作的基础.现有流式数据系统中的事件查询只针对流中的异常数据点进行查询,而在实际情况下,流式数据中的事件多为一段连续时间的异常,包含时间、空间位置等多种信息,因此,传统的阈值查询方法无法从不同的时间及空间角度对事件进行全面分析,查询准确性极低,导致无法获取事件的全部信息.针对这些问题,本文提出一种基于多粒度Top-k查询的流式数据事件获取方法.该方法首先在监测区域内构建基于投影分区的区域监测簇;在此基础上,提出一种改进的多粒度空间Top-k查询方法对点进行查询,获取异常事件发生的空间位置信息;其次,基于事件峰谷点信息,对流式数据进行时间多粒度Top-k查询,找出异常事件的触发点和终止点,从而获得事件的完整信息.实验表明,本文提出的方法在系统资源开销、查询效率等方面均具有很大优势.
（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。
事件查询论文参考文献
[1].王红,杨蓉,郭静.基于RDF重写的航空安全事件因果关系查询方法研究[J].现代电子技术.2019
[2].王俊陆,梅昕苏,丁琳琳,宋宝燕,罗浩.基于多粒度Top-k查询的流式数据事件获取方法[J].辽宁大学学报(自然科学版).2019
[3].何远德,黄奎峰.一种连续查询事件中基于语义的轨迹k-匿名方法[J].计算机应用与软件.2019
[4].连世伟,李宏伟.面向事件的气象数据流滑动窗口查询机制研究[J].测绘与空间地理信息.2019
[5].李辰.通过深度相关性查询实现新闻事件挖掘[J].信息技术.2019
[6].苏畅.多源复杂事件检测中查询计划生成与优化技术的研究[D].北京工业大学.2018
[7].郑利强,廖湖声,苏航,高红雨.一种针对正规树模式的复杂事件查询方法[J].计算机与数字工程.2018
[8].陈贵丹.面向数据流的Top-k复杂事件查询技术研究[D].湖南大学.2018
[9].韩名豪.基于Hadoop的新闻事件数据查询与分析[D].北京邮电大学.2018
[10].陈炫伶.基于查询计划的分布式复杂事件处理技术研究[D].湖南大学.2017