×
伊夫提米斯·齐利奥尼斯;亚历山大·阿提基斯;乔治·巴利乌拉斯

用于运行时推理的增量事件演算。 （英语） Zbl 07527545号

J.阿蒂夫。智力。研究（JAIR） 73, 967-1023 (2022).
摘要：我们提出了一个用于在线增量复合事件识别的系统。在流媒体环境中，通常情况下，数据到达时会有来自底层源的（可变）延迟，并且会被底层源修改。我们提出了RTEC的增量式版本（RTEC_{inc}），这是一个具有正式声明性语义的复合事件识别引擎，已经证明可以扩展到多个实际数据流。RTEC通过从头计算所有查询来处理事件的延迟到达和修订。这通常效率低下，因为它会导致冗余计算。相反，\（RTEC_{inc}\）通过只更新受影响的查询，以更有效的方式处理延迟和修订。我们从理论上检验了（RTEC_{inc}），给出了复杂性分析，并说明了它优于RTEC的条件。此外，我们使用真实世界和合成数据集对（RTEC_{inc}）和RTEC进行了实验比较。结果与我们的理论分析一致，并表明在许多实际情况下，（RTEC_{inc}）优于RTEC。

引用于1文件

MSC公司：

68泰克 人工智能

关键词：

知识表示;逻辑程序设计;关于行动和变化的推理;时间推理

软件：

卡尤加
PDF格式BibTeX公司 XML格式引用
\textit{E.Tsilionis}等人，J.Artif。智力。研究（JAIR）73，967--1023（2022；Zbl 07527545）
全文： 内政部 链接

参考文献：

[1] Ajileye，T.、Motik，B.和Horrocks，I.（2019年）。分布式RDF存储中的数据日志物化与动态数据交换。2019年10月26日至30日，新西兰奥克兰，第18届国际语义网络会议，《语义网络——2019年国际服务工作会议论文集》，第一部分，第21-37页。
[2] Alevizos，E.、Skarlatidis，A.、Artikis，A.和Paliouras，G.（2017年）。概率复杂事件识别：一项调查。ACM计算。调查。，50(5), 71:1-71:31.
[3] Anicic，D.、Rudolph，S.、Fodor，P.和Stojanovic，N.（2012年）。实时复杂事件识别和推理——一种逻辑编程方法。应用人工智能，26（1-2），6-57。
[4] Arasu，A.、Babu，S.和Widom，J.（2006）。cql连续查询语言：语义基础和查询执行。VLDB杂志，15（2），121-142。
[5] Artikis，A.、Sergot，M.J.和Paliouras，G.（2015）。用于事件识别的事件演算。IEEE传输。知识。数据工程，27（4），895-908。
[6] Barbieri，D.F.、Braga，D.、Ceri，S.、Della Valle，E.和Grossniklaus，M.（2010年）。基于流的增量推理和丰富的背景知识。在Aroyo，L.，Antoniou，G.，Hyv¨onen，E.，ten Teije，A.，Stuckenschmidt，H.，Cabral，L.和Tudorach，T.（编辑），《语义网络：研究与应用》，第1-15页，柏林，海德堡，施普林格-柏林-海德堡·Zbl 1209.68186号
[7] Bassiouni，M.、Llewellyn，M.和Mukherjee，A.（1993年）。关系代数查询语言的基于时间的运算符。计算机语言，19（4），261-276。
[8] Beck，H.、Dao-Tran，M.和Eiter，T.（2018年）。LARS：基于逻辑的流分析推理框架。Artif公司。智力。，261, 16-70. ·Zbl 1448.68395号
[9] Brandt，S.、Kalayci，E.G.、Ryzhikov，V.、Xiao，G.和Zakharyaschev，M.（2018年）。使用度量时态逻辑查询日志数据。《人工智能研究杂志》，62（1），829-877·Zbl 1451.68087号
[10] Camossi，E.、Jousselme，A.-L.、Ray，C.、Hadzagic，M.、Dreo，R.和Claramunt，C.（2017）。海上实验规范，h2020 datacron项目可交付成果d5.3。。http://datacron-project.eu/。
[11] Ceri，S.和Widom，J.（1991年）。派生用于增量视图维护的生产规则。《第17届超大数据库国际会议论文集》，1991年VLDB，第577-589页，美国加利福尼亚州旧金山，摩根考夫曼出版社。
[12] Cervesato，I.和Montanari，A.（2000年）。宏观事件演算：进展报告。2000年7月7日至9日，加拿大新斯科舍省，《时代》杂志，第七届时间表征和推理国际研讨会，第47-58页。
[13] Chittaro，L.和Montanari，A.（1996年）。缓存事件演算中的有效时间推理。计算智能，12（3），359-382。
[14] Clark，K.L.（1977年）。否定为失败。InLogic和数据库，逻辑和数据库研讨会，法国图卢兹研究中心，1977年，第293-322页。
[15] Cugola，G.和Margara，A.（2010年）。TESLA：一种正式定义的事件规范语言。《第四届ACM分布式事件系统国际会议论文集》，DEBS 2010，英国剑桥，2010年7月12日至15日，第50-61页。
[16] Cugola，G.和Margara，A.（2012年）。t-rex的复杂事件处理。《系统与软件杂志》，85（8），1709-1728。
[17] Demers，A.J.、Gehrke，J.、Panda，B.、Riedewald，M.、Sharma，V.和White，W.M.（2007年）。Cayuga：通用事件监控系统。InCIDR 2007，第三届创新数据系统研究双年度会议，美国加利福尼亚州阿西洛马尔，2007年1月7日至10日，在线会议记录，第412-422页。
[18] Dindar，N.、Fischer，P.M.、Soner，M.和Tatbul，N.（2011年）。通过实时和存档的数据流有效关联复杂事件。第五届ACM分布式事件系统国际会议论文集，DEBS’11，第243-254页，美国纽约州纽约市。
[19] Dong，G.和Su，J.（1994）。数据日志查询的一阶增量评估。Beeri，C.、Ohori，A.和Shasha，D.E.（编辑），数据库编程语言（DBPL-4），第295-308页，伦敦。施普林格伦敦。
[20] Dong，G.，Su，J.，&Topor，R.（1995）。数据日志查询的非递归增量评估。数学和人工智能年鉴，14（2），187-223·Zbl 0855.68026号
[21] Dong，G.和Topor，R.（1992年）。数据日志查询的增量评估。Biskup，J.，&Hull，R.（编辑），《数据库理论-ICDT’92》，第282-296页，柏林，海德堡。
[22] Dong，G.和Su，J.（1995年）。通过一阶查询对传递闭包进行增量和减量计算。信息与计算，120（1），101-106·Zbl 0835.68031号
[23] Dousson，C.和Maigat，P.L.（2007）。使用时间聚焦和层次化改进编年史识别。InIJCAI 2007，《第20届国际人工智能联合会议论文集》，印度海得拉巴，2007年1月6日至12日，第324-329页。
[24] Fern，A.、Givan，R.和Siskind，J.M.（2002）。时间事件的特定到一般学习，应用于从视频中学习事件定义。《人工智能研究杂志》，17（1），379-449·Zbl 1045.68110号
[25] Giatrakos，N.、Alevizos，E.、Artikis，A.、Deligiannakis，A.和Garofalakis，M.N.（2020年）。大数据时代的复杂事件识别：一项调查。VLDB期刊，29（1），313-352。
[26] Grez，A.、Riveros，C.和Ugarte，M.（2019年）。复杂事件处理的正式框架。第22届数据库理论国际会议，ICDT 2019，2019年3月26日至28日，葡萄牙里斯本，第5:1-5:18页·Zbl 07561465号
[27] Grez，A.、Riveros，C.、Ugarte，M.和Vansummeren，S.（2020年）。关于复杂事件识别语言的表达性。Lutz，C.和Jung，J.C.（编辑），第23届国际数据库理论会议（ICDT 2020），莱布尼茨国际信息学会议（LIPIcs）第155卷，第15:1-15:17页，德国达格斯图尔。达格斯图尔·莱布尼兹·泽特鲁姆宫（Schloss Dagstuhl-Leibniz-Zentrum f–ur Informatik）·Zbl 07650993号
[28] Gupta，A.、Mumick，I.S.和Subrahmanian，V.S.（1993年）。以增量方式维护视图。SIGMOD记录，22（2），157-166。
[29] Gyllstrom，D.、Wu，E.、Chae，H.、Diao，Y.、Stahlberg，P.和Anderson，G.（2006）。SASE：基于流的复杂事件处理。CoRR，abs/cs/0612128。
[30] Hu，P.、Motik，B.和Horrocks，I.（2018）。优化数据日志实体化维护。《第三十二届美国人工智能学会人工智能会议论文集》（AAAI-18）、第三十届人工智能创新应用（IAAI-18。
[31] Hu，P.、Motik，B.和Horrocks，I.（2019年）。数据日志程序的模块化实现。在第三十三届AAAI人工智能会议上，2019年AAAI，第三十届人工智能创新应用会议上，IAAI 2019，第九届AAAI-人工智能教育进步研讨会，2019，夏威夷，檀香山，美国2019年1月27日至2月1日，第2859-2866页。
[32] Idris，M.、Ugarte，M.，Vansummeren，S.、Voigt，H.和Lehner，W.（2019年）。动态更改数据集的高效查询处理。SIGMOD记录，48（1），33-40。
[33] Koch，C.、Ahmad，Y.、Kennedy，O.、Nikolic，M.、N¨otzli，A.、Lupei，D.和Shaikhha，A.（2014）。Dbtoaster：动态、经常是新鲜视图的高阶增量处理。VLDB期刊，23（2），253-278。
[34] Kowalski，R.A.和Sergot，M.J.（1986年）。基于逻辑的事件演算。新一代计算。，4(1), 67-95. ·Zbl 1356.68221号
[35] Lee，J.和Palla，R.（2012）。在稳定模型的一般理论和答案集编程中，对情境演算和事件演算进行了改革。《人工智能研究杂志》，43，571-620·Zbl 1246.68210号
[36] Li，M.，Mani，M.、Rundensteiner，E.A.和Lin，T.（2011年）。基于时间间隔语义的流上复杂事件模式检测。第五届ACM分布式事件系统国际会议论文集，DEBS’11，第291-302页，美国纽约州纽约市。
[37] Liu，M.、Rundensteiner，E.A.、Greenfield，K.、Gupta，C.、Wang，S.、Ari，I.和Mehta，A.（2011年）。E-cube：使用分层模式查询共享的多维事件序列分析。《ACM SIGMOD国际数据管理会议论文集》，SIGMOD 2011，希腊雅典，2011年6月12-16日，第889-900页。
[38] Mei，Y.和Madden，S.（2009年）。Zstream：一种基于成本的查询处理器，用于自适应检测复合事件。2009年6月29日至7月2日，在美国罗德岛州普罗维登斯举行的ACM SIGMOD国际数据管理会议记录中，第193-206页。
[39] Miller，R.和Shanahan，M.（2002年）。事件演算的一些替代公式。《计算逻辑：逻辑编程及其以外》，罗伯特·A·科瓦尔斯基荣誉论文，第二部分，第452-490页·兹比尔1012.68192
[40] Montali，M.、Maggi，F.M.、Chesani，F.、Mello，P.和van der Aalst，W.M.P.（2013）。使用事件演算监控业务约束。ACM TIST，5（1），17:1-17:30。
[41] Motik，B.、Nenov，Y.、Piro，R.和Horrocks，I.（2015）。数据日志物化的增量更新：向后/向前算法。《第二十届AAAI人工智能会议论文集》，AAAI'15，第1560-1568页。AAAI出版社。
[42] Motik，B.、Nenov，Y.、Piro，R.和Horrocks，I.（2019年）。重新审查数据日志实体化的维护。Artif公司。智力。，269, 76-136. ·Zbl 1478.68076号
[43] Mutschler，C.和Philippsen，M.（2014）。无序事件流的自适应推测处理。ACM事务处理。互联网技术，14（1），4:1-4:24。
[44] Paschke，A.（2006年）。Eca-ruleml：一种将Eca规则与基于时间间隔的KR事件/动作逻辑和事务更新逻辑相结合的方法。CoRR，abs/cs/0610167。
[45] Paschke，A.和Bichler，M.（2008年）。自动化SLA管理的知识表示概念。决策支持系统，46（1），187-205。
[46] Patrumpas，K.、Alevizos，E.、Artikis，A.、Vodas，M.、Pelekis，N.和Theodoridis，Y.（2017年）。运动船舶轨迹的在线事件识别。《地理信息》，21（2），389-427。
[47] Pitsikalis，M.、Artikis，A.、Dreo，R.、Ray，C.、Camossi，E.和Jousselme，A.-L.（2019年）。海上监测的复合事件识别。第13届ACM分布式和基于事件的系统国际会议论文集，DEBS’19，p.163-174，美国纽约州纽约市。计算机协会。
[48] Przymusinski，T.（1987）。关于分层演绎数据库和逻辑程序的声明语义。演绎数据库和逻辑程序设计基础。摩根。
[49] Ray，C.、Dr´eo，R.、Camossi，E.、Jousselme，A.-L.和Iphar，C.（2019年）。用于海上情报、监视和侦察的异构集成数据集。https://zenodo.org/record/1167595。
[50] Ray，C.、Camossi，E.、Jousselme，A.-L.、Hadzagic，M.、Claramunt，C.和Batty，E.（2016）。海事数据准备和管理，h2020 datacron项目可交付成果d5.2。。http://datacron-project.eu/。
[51] Ronca，A.、Kaminski，M.、Grau，B.C.、Motik，B.和Horrocks，I.（2018年）。时态数据日志中的流推理。第三十二届AAAI人工智能大会（AAAI-18）、第三十届人工智能创新应用大会（IAAI-18）和第八届AAAI人工智能教育进展研讨会（EAAI-18），美国路易斯安那州新奥尔良，2018年2月2-7日，1941-1948页。
[52] Santipantakis，G.M.、Vlachou，A.、Doulkeridis，C.、Artikis，A.、Kontopulos，I.和Vouros，G.A.（2018年）。海上监测的流推理系统。第25届国际时间表征与推理研讨会，2018年10月15日至17日，波兰华沙，第20:1-20:17页。
[53] Schultz-Möller，N.P.、Migliavacca，M.和Pietzuch，P.R.（2009）。带有查询重写的分布式复杂事件处理。2009年7月6日至9日，美国田纳西州纳什维尔，第三届ACM分布式事件系统国际会议论文集，DEBS 2009。
[54] Tsilionis，E.、Artikis，A.和Paliouras，G.（2019a）。用于运行时推理的增量事件演算。第13届ACM分布式和基于事件的系统国际会议论文集，DEBS’19，第79-90页，美国纽约州纽约市。
[55] Tsilionis，E.、Koutroumanis，N.、Nikitopoulos，P.、Doulkeridis，C.和Artikis，A.（2019b）。移动车辆的在线事件识别：申请文件。理论与实践。日志。程序。，19(5-6), 841-856.
[56] Zhang，H.、Diao，Y.和Immerman，N.（2014）。复杂事件处理中昂贵查询的复杂性和优化。在国际数据管理会议上，SIGMOD 2014，美国犹他州雪鸟，2014年6月22日至27日，第217-228页
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。