时态粒度约束下的时态元素定性关系探讨

J4 ›› 2013, Vol. 35 ›› Issue (2): 114-120.

时态粒度约束下的时态元素定性关系探讨

左亚尧1,舒忠梅2,汤庸3

(1.广东工业大学计算机学院,广东广州 510006;2.中山大学高等教育研究所,广东广州 510275;
3.华南师范大学计算机学院,广东广州 510631)

收稿日期:2012-03-16 修回日期:2012-06-07 出版日期:2013-02-25 发布日期:2013-02-25
基金资助:
国家自然科学基金资助项目(60970044,60673135,60736020)；广东省自然科学基金资助项目(S2011040004281)

Research on qualitative relationship among temporal elements with temporal granularities constraints

ZUO Yayao1,SHU Zhongmei2,TANG Yong3

(1.Faculty of Computer,Guangdong University of Technology,Guangzhou 510006; 2.Institute of Higher Education Research,Sun YatSen University,Guangzhou 510275; 3.School of Computer Science,South China Normal University,Guangzhou 510631,China)

Received:2012-03-16 Revised:2012-06-07 Online:2013-02-25 Published:2013-02-25

摘要/Abstract

摘要：

针对时态粒度约束下的时态元素之间的定性关系,引入向量空间思想,将时态粒点间的关系转换为向量空间中的运算。提出时态粒点的向量判别方法以比较两个时态粒点的先后关系，通过粒度缩放操作探讨了时态粒区之间的关系、时态粒点与时态粒区之间的定性关系，对时态数据库、时态知识推理、时态数据挖掘等时态应用研究领域起到了良好的基础支持作用。

关键词: 时态, 粒度, 时态元素, 定性关系, 约束

Abstract:

Qualitative relationship among temporal elements with the constraints of temporal granularity, is one of the most fundamental issues. The vector space is introduced to solve the complexity of the temporal relationship with the constraints of temporal granularity. Thus, the relationship between two temporal points can be converted to the operation in the vector space. Furthermore, the granularity scaling operators are used to analyze the relationship between different temporal elements, such as temporal point, temporal interval. The proposed method has a fundamental support to the temporal research and applications such as temporal database, temporal knowledge reasoning and temporal data mining.

Key words: temporal;granularity;temporal elements;qualitative relationship;constraint

左亚尧1,舒忠梅2,汤庸3. 时态粒度约束下的时态元素定性关系探讨[J]. J4, 2013, 35(2): 114-120.

ZUO Yayao1,SHU Zhongmei2,TANG Yong3. Research on qualitative relationship among temporal elements with temporal granularities constraints[J]. J4, 2013, 35(2): 114-120.

[1]	曾涛, 王晶晶, 张涵, 刘一丁. 一种针对对话文本属性级情感信息抽取的词对关系建模方法[J]. 计算机工程与科学, 2024, 46(12): 2239-2251.
[2]	戴康佳, 徐慧英, 朱信忠, 黄晓, 李琛, 刘巍, 曹雨淇, 王拔龙, 刘子洋, 陈国强. 基于轻量化目标检测网络的RGB-D视觉SLAM系统[J]. 计算机工程与科学, 2024, 46(11): 2017-2026.
[3]	范琪, 王善敏, 刘成广, 刘青山. 类别特征约束的多目标域表情识别方法[J]. 计算机工程与科学, 2024, 46(05): 836-845.
[4]	刘盼, 郭延明, 雷军, 王昊冉, 老松杨, 李国辉. 结合上下文的细粒度实体分类特征表示方法[J]. 计算机工程与科学, 2024, 46(05): 929-936.
[5]	刘子源, 马占有, 李霞, 高滢囡, 何娜娜, 黄瑞祺. 基于模糊测度的模糊分支时态逻辑模型检测[J]. 计算机工程与科学, 2024, 46(04): 676-683.
[6]	张晓燕, 王佳一. 三支概念背景下属性粒化效率的度量[J]. 计算机工程与科学, 2024, 46(04): 725-733.
[7]	杨晓强, 黄加诚. 基于动态定位和特征融合的多分支细粒度识别方法[J]. 计算机工程与科学, 2024, 46(02): 253-263.
[8]	胡春安, 熊昱然. 多策略改进的混沌哈里斯鹰优化算法[J]. 计算机工程与科学, 2023, 45(09): 1648-1660.
[9]	谷文俊, 张晟恺, 邱晓梦, 李亚康, 宋伟. 基于双模态的小角散射图像结构表征技术研究[J]. 计算机工程与科学, 2023, 45(08): 1443-1452.
[10]	罗莉, 石伟, 何鸿君, 潘国腾, 王蕾, 龚锐. 一种面向IO Die的敏捷验证方法[J]. 计算机工程与科学, 2023, 45(04): 571-576.
[11]	曾祥俊, 叶晓庆, 刘盾. 基于细粒度观点挖掘和Kano模型的用户满意度分析研究[J]. 计算机工程与科学, 2023, 45(04): 701-710.
[12]	胡慧君, 杨雨烟, 易洋, 刘茂福. 基于细粒度信息感知BERT-EEP的情绪分类方法[J]. 计算机工程与科学, 2023, 45(04): 751-760.
[13]	马冬梅, 黄欣悦, 李煜. 基于特征融合和注意力机制的图像语义分割[J]. 计算机工程与科学, 2023, 45(03): 495-503.
[14]	杨春霞, 姚思诚, 宋金剑, . 一种融合字词信息的中文情感分析模型[J]. 计算机工程与科学, 2023, 45(03): 512-519.
[15]	苟平章, 马琳, 郭保永, 原晨. 基于软件定义网络的多约束QoS双路径路由优化方法[J]. 计算机工程与科学, 2023, 45(01): 46-56.