论文部分内容阅读
物联网技术促使大数据时代的到来,各种数据源如传感器、互联网等时刻产生着大量的数据,如何从这些数据中识别出感兴趣的事件变得至关重要,因此,复杂事件处理得到了大量的关注。在实际应用中,由于噪声、遮挡以及传输技术欠佳等原因,收集到的事件流往往具有不确定性,现有的复杂事件处理技术很难应对这种情况。此外,由于对知识了解不足,从领域中总结出的复杂事件规则也会不准确,在处理的过程中,会出现错误的结果。当前,不确定性复杂事件处理技术仍然存在着诸多亟待解决的问题,如何在规则定义不准确、原始事件流不完整的情况下识别复杂事件,如何在原始事件流具有概率性质的情况下计算复杂事件发生的概率。针对复杂事件处理技术中存在的问题,本文提出了一种基于马尔科夫逻辑网的不确定性复杂事件处理方法(Uncertainty Complex Event Processing based on Markov Logic Networks,MLN-UCEP),在此方法的基础上,考虑到具有概率性质的原始事件流,提出了一种基于软证据更新的不确定性复杂事件处理(Uncertainty Complex Event Processing based on Soft Evidence,UCEP-SE)方法。本文的主要工作包括:(1)研究并分析了现实世界中由于脏读、漏读、多读以及数据传输中存在干扰而造成的不确定性,并根据不确定性的表现形式对其进行分类。针对原始事件流不完整和规则定义不精确的情况,在事件演算的基础上提出了一种基于马尔科夫逻辑网的不确定性复杂事件处理方法,并通过引入封闭世界假设等技术改写事件演算谓词及公理,减少闭合谓词的数量。实验结果表明该方法比传统的复杂事件处理方法具有更强大的能力。(2)有些原始事件来自其它不确定性复杂事件处理系统,并伴随概率性质,为此,本文在MLN-UCEP的基础上,提出了一种基于软证据更新的不确定性复杂事件处理方法,该方法在马尔科夫逻辑网的闭合过程中,通过计算独立于任何查询的无关信息,缩小闭合马尔科夫网络的规模,并将原始事件的概率性质集成到推理过程中,且不会产生大量的计算开销。