给大家推荐6篇关于事件的计算机专业论文

今天分享的是关于事件的6篇计算机毕业论文范文, 如果你的论文涉及到事件等主题,本文能够帮助到你

基于知识图谱的事件可视分析的研究

这是一篇关于事件,图布局,数据可视化,可视分析的论文, 主要内容为对万维网文本中新闻事件的分析是人工智能研究领域的重要内容之一。事件本身包含丰富的时空信息并且现实世界中的事件是相互关联的。在分析事件之间的关系时,现有的基于力导向布局的图可视化技术由于节点位置的随机性问题导致的时序数据随机展示影响人们对事件的认知。另外,在基于节点-连接方式的图布局中,可视化全部数据造成的数据过载问题影响对事件之间的关系的分析。因此,如何设计有效的用于分析事件的可视化方法是一个非常有意义的研究课题。针对以上问题,本文将研究针对不同数据类型的可视化技术并用来分析新闻事件。具体而言,本文的主要贡献有如下三点内容:(1)提出事件中实体的重要性程度算法,该方法把事件中无层次信息的实体转化为具有上下位关系的实体,在交互中逐层探索感兴趣的数据以避免数据过载问题。(2)提出节点按时间有序排列的层次化的图算法。本文提出的算法首先按事件发生的日期对事件中的实体进行排序,然后使用以父节点为中心的层次化图布局算法进行图的可视化。(3)设计并实现本文提出的事件可视分析系统,并以“ofo共享单车”的融资事件为例说明系统的有效性和用户测评验证系统的有用性。

事件驱动的事件知识图谱构建及应用

这是一篇关于事件,事件类,事件类关系,知识图谱,语料库的论文, 主要内容为传统的知识图谱关注焦点是实体、实体间关系。实体是静态的概念,事件是动态的,包含了更丰富的语义信息,表现粒度是大于实体的。事件知识图谱以泛化的事件类知识作为主要内容,可以更好的描绘事件发生、演化的发展过程,厘清事件之间发生的规律。本文在CEC2.0中文突发事件语料库的基础上,获取事件类知识和事件类关系知识,构建出事件知识图谱。并使用规则的方法,开展后续事件预测工作。研究为面向事件的知识发现、处理和应用奠定基础,也可以使用事件知识图谱中的事件演化规律,为突发事件应急决策提供支持和依据,从而减少突发事件给人们财产和生命带来的损失和伤害。本文主要研究内容如下:(1)事件类候选触发词的获取,提出基于同义词词林的词语相似度计算方法,用此相似度计算方法可以有效的对语料库中事件触发词进行聚类,从而进一步获取事件类的候选触发词。(2)事件类对象要素的获取,提出基于大词林的事件类对象要素发现方法,以大词林作为其对象到上层概念映射的知识库,对语料库中该事件类的所有事件对象进行由底向上的抽象,从而得到该事件类对象要素的上位词知识。(3)事件类环境要素的获取,提出基于依存句法分析的事件类环境要素发现方法,用依存句法分析确定环境要素的核心词,再通过频次的高低对环境要素进行聚类,得到了各事件类的环境要素。(4)事件类关系的获取,提出采用共现事件的方法判断事件类相关性,统计出具有相关性的事件类之间的发生概率,再基于突发事件语料库中已标注的事件关系映射到事件类关系,实现突发事件类关系发现。(5)事件知识图谱的可视化及应用,以事件类作为节点,事件类之间的关系作为边,发生概率作为权重,对事件知识图谱进行可视化,并且以构建好的事件知识图谱作为知识,基于规则的方法进行后续事件预测研究。实验结果表明,本文提出的事件类知识发现方法在准确率P、召回率R和F1指标下,相比其他方法有所提高。通过实验也证明提出的事件类关系知识发现方式具有有效性。构建的事件知识图谱,对未来面向事件理论研究奠定基础,也为制定应急决策方案提供事实依据,从而控制或减轻突发事件带来的伤害。

基于Linux的多任务嵌入式管理系统的设计与实现

这是一篇关于多任务嵌入式管理系统,配置管理系统,消息,事件的论文, 主要内容为多任务嵌入式管理系统是位于驱动层和具体网络协议层之上的一层软件架构,它的主要功能是对整个系统的数据进行配置管理,并且管理嵌入式系统的不同应用进程,使得用户可以根据自己的需要进行系统功能的配置和扩展。本文分析了基于Linux的多任务嵌入式管理系统的设计方法,并且应用标准C语言实现了多任务嵌入式管理系统,其中包括三部分工作内容,这三部分是:管理系统中的WEB层的设计与实现、配置管理层的设计与实现以及WEB层与配置管理层之间的交互方式。其中WEB层的设计与实现这一章主要分析了WEB层的作用和基本原理。在分析配置管理层的时候,着重解决了配置管理层的核心功能模块、具体应用模块的设计方法、异步消息处理机制、异步事件处理的实现方法、内存数据库的设计与实现。最后实现了WEB层与配置管理层之间的交互方式。论文的主要目的是解决多任务嵌入式管理系统的设计方法,这个多任务嵌入式管理系统构建在驱动层和协议层的上层,屏蔽了驱动层,同时为WEB层提供了统一的接口,这样做的好处是把整个嵌入式系统的配置管理任务统一交给配置管理层管理和完成。多任务嵌入式管理系统中的配置管理层内部功能模块之间采用了事件交互的方式,配置管理层与具体的外部应用进程之间采用了异步消息处理的交互方式,这两种交互方式是实现整个配置管理层的基础。这篇论文对这两种的核心交互方式都做了详细的阐述。

基于深度学习的开放域金融事件抽取方法研究

这是一篇关于事件,事件抽取,词向量,深度学习的论文, 主要内容为随着移动互联网的发展,大量UGC数据开始出现,带来的是数据量的激增。然而,相比于传统纸质数据,电子数据的信息密度往往较低,这极大增加了获取有效信息的成本。如何解决自然语言中的有效信息的获取问题,逐渐成为自然语言处理领域的研究热点。事件在不同领域的定义不尽相同,一般可以视为是在一定时间、特定地点下,实体之间的相互作用,可以采用5W1H来进行表示。事件抽取是在非结构化的自然语言中,检测并识别事件类型与事件要素,并将结果以结构化的方式呈现,为自动问答、知识图谱等技术提供支持。目前事件抽取主要通过规则、机器学习等方式实现。不同的方法适用于不同的领域。对于开放域的事件抽取,由于数据开放、数据量大,构建规则的成本较高,因此多采用机器学习的方式实现。本文主要是利用深度学习的方式解决开放域金融事件抽取的问题。首先对事件、事件抽取等概念以及目前深度学习领域应用较为广泛的技术进行介绍。其次,介绍本文获取开放域数据的方式,以及所采用的BIO序列标注方式。对于事件抽取的两大子任务,事件识别与分类和事件要素抽取,分别采用不同的模型进行训练与评价。对于事件识别与分类任务,本文采用词向量模型Bert+Softmax分类器的方式,对预定义的战略合作事件、收购重组事件、投融资事件、非事件等四个类别进行分类。相比于特征工程的方式,降低人工筛选特征,词法分析、句法分析对模型的影响,最终在开放域金融事件识别中取得了良好的效果。对于事件要素抽取任务,本文利用Bert生成的词向量作为图卷积神经网络的节点,利用依存句法分析所得到的词语依赖关系作为图卷积神经网络的边。利用图卷积神经网络(GCN)+Softmax的方式实现金融事件要素的抽取。在此基础上,针对实际对于开放域金融事件抽取准确率要求较高的情况,以及不同类型事件包含相同的时间、地点等事件要素的情况,利用设计的统一规则模板对事件要素进行二次抽取,并将两者结合。实验结果表明,可以进一步提高抽取的准确率。实验结果表明,本文所提出的事件抽取模型可以有效地解决开放域金融事件的识别分类与要素抽取问题,对于事件抽取的研究有重要的意义。