基于语义的复杂事件智能处理的研究

Complex event processing (CEP) can extract meaningful complex events from multiple events by analyzing the relationship between atomic events with filtering, association, aggregation and other technologies. In recent years, CEP has played an important role in monitoring of natural disasters, business activities, network security and also in artificial intelligence applications, such as smart home, smart logistics, and wise medical. However, traditional CEP solutions mostly focus on event detection at a structural syntax level, and cannot analyze events deeply at a semantic level, thus it is difficult to process event data automatically and intelligently in the context of big data. This work will employ declarative reaction rules to provide a flexible and expressive CEP solution, which dynamically enriches event data with semantic information, so that a CEP engine can intelligently analyze event relationships by querying and reasoning background domain-specific knowledge before processing them. This work will not only provide rich complex event patterns, but also improve the accuracy and flexibility of complex event detection.

复杂事件处理通过分析原子事件间的关系，利用过滤、关联、聚合等技术从多个事件中提取有意义的复杂事件，近年来在自然灾害监测、商业活动监管、网络安全监测、智能家庭、智能物流以及智慧医疗等领域扮演着越来越重要的角色。然而，传统的解决方案大都是结构化的语法层次上的事件检测，主要关注事件逻辑关系的描述，并没有从语义层面上对事件进行深层次地分析，很难实现满足大数据背景下智能处理事件的需求。本课题拟采用描述性响应规则给出一种表述性强且灵活度高的复杂事件处理解决方案，并通过语义网技术为事件数据动态地添加语义信息，使得复杂事件处理引擎可以通过对背景领域知识库的查询和推理智能地分析事件间的内在联系，不仅可以描述丰富的复杂事件模式，而且可以提高事件检测的准确性和灵活性。

复杂事件处理通过分析原子事件间的关系，利用过滤、关联、聚合等技术从多个事件中提取有意义的复杂事件，近年来在自然灾害监测、商业活动监管、网络安全监测、智能家庭、智能物流以及智慧医疗等领域扮演着越来越重要的角色。然而，传统的复杂事件处理系统大都并没有使用背景知识库或者仅对背景知识库进行了简单的查询，并不能原始事件的联系进行深层次的分析。本项目旨在利用语义网技术找到一种表述性强、灵活度高的复杂事件处理方案，不仅可以描述丰富的复杂事件模式，而且可以通过背景知识库的查询和处理智能地识别原始事件之间的联系。具体来说，本课题提出的方案同时支持RDF、RDFS和OWL作为背景领域知识的表述，并结合描述性规则提供一个统一的CEP背景知识库访问接口。本课题通过语义标注和信息附加两种方法为原始事件添加语义信息，并采用响应规则和背景知识库重写复杂事件模式。此外，针对不同CEP应用，本课题设计了一个灵活的基于适配器的背景知识库查询和推理方案。最后，对于复杂事件的响应，本课题结合更适合于流程描述的响应规则和智能代理描述复杂事件的分布式响应过程。在应用方面，课题组将相关成果应用到了智能家居领域和社会服务管理中的服务受理领域，取得了一定的经济效益。

内容获取失败，请点击重试