面向多元時(shí)序數(shù)據(jù)的復(fù)雜事件檢測(cè)方法研究.pdf

1、隨著信息技術(shù)不斷發(fā)展，社會(huì)各個(gè)領(lǐng)域建立了越來(lái)越多的業(yè)務(wù)應(yīng)用系統(tǒng)，不同系統(tǒng)運(yùn)營(yíng)產(chǎn)生了大量的數(shù)據(jù)。隨著數(shù)據(jù)量的龐大，將不同業(yè)務(wù)系統(tǒng)數(shù)據(jù)融合在一起挖掘潛在價(jià)值變得越來(lái)越有意義。復(fù)雜事件檢測(cè)技術(shù)實(shí)現(xiàn)的就是將業(yè)務(wù)數(shù)據(jù)抽象為事件序列，通過(guò)復(fù)雜事件描述方法，將有潛在價(jià)值的復(fù)合數(shù)據(jù)描述為特定的事件匹配結(jié)構(gòu)，復(fù)雜事件檢測(cè)引擎再?gòu)拇罅渴录髦袡z測(cè)出滿足匹配結(jié)構(gòu)的事件序列，最終輸出數(shù)據(jù)融合結(jié)果。但傳統(tǒng)復(fù)雜事件檢測(cè)技術(shù)在進(jìn)行事件描述時(shí)，輸入事件流為單一原子事件

2、類型，事件謂詞約束為簡(jiǎn)單的屬性值比較操作和簡(jiǎn)單聚合操作，事件之間的時(shí)序約束只能是“after”、“before”等簡(jiǎn)單的時(shí)間關(guān)系。這使得傳統(tǒng)檢測(cè)方法無(wú)法滿足諸如醫(yī)學(xué)、金融等對(duì)時(shí)間要求比較精確，事件謂詞約束要求更加豐富的應(yīng)用領(lǐng)域。因此，一種能夠支持多元事件輸入，支持事件間量化時(shí)序約束和復(fù)雜謂詞約束的復(fù)雜事件檢測(cè)方法是非常有必要的。
　　為了實(shí)現(xiàn)支持多元事件輸入，支持事件間量化時(shí)序約束和復(fù)雜謂詞約束的復(fù)雜事件檢測(cè)，本文在傳統(tǒng)復(fù)雜事件檢

3、測(cè)模型基礎(chǔ)之上提出了面向多元時(shí)序數(shù)據(jù)的復(fù)雜事件檢測(cè)方法，定義了基于TCN的量化時(shí)序約束表示方法和基于時(shí)段特征約束的謂詞約束表示方法，同時(shí)增強(qiáng)了事件輸入方式，支持多元事件輸入，并且提出了基本的復(fù)雜事件檢測(cè)算法和并行化檢測(cè)方法，使得復(fù)雜事件檢測(cè)方法更加高效。本文的主要貢獻(xiàn)如下：
　　(1)事件定義：在進(jìn)行復(fù)雜事件描述之前，需要定義事件概念，本文對(duì)事件重新做出了定義，提出了原子事件、聚合事件和復(fù)雜事件的概念。
　　(2)事件描述方

4、法提出：本文在復(fù)雜事件描述方面，引入TCN時(shí)間約束網(wǎng)絡(luò)進(jìn)行事件間量化時(shí)序關(guān)系的表示，引入時(shí)段特征進(jìn)行事件復(fù)雜謂詞約束的表示，并且提出了聚合事件描述模型和復(fù)雜事件描述模型。
　　(3)基本復(fù)雜事件檢測(cè)算法提出：本文基于傳統(tǒng)復(fù)雜事件檢測(cè)系統(tǒng)SASE，提出支持量化時(shí)序約束和復(fù)雜謂詞約束的復(fù)雜事件檢測(cè)方法，同時(shí)支持多元事件輸入。
　　(4)并行復(fù)雜事件檢測(cè)算法提出：針對(duì)基本檢測(cè)算法在輸入事件量較大時(shí)，整個(gè)系統(tǒng)檢測(cè)時(shí)間周期較長(zhǎng)的問(wèn)題，