Представление событий и сценариев, причинно-следственный анализ в платформе Aigents

(C) 2014, Антон Колонин, Aigents Group, http://aigents.com

1. Введение
В данной работе обсуждается использование платформы Aigents для представления событий [1] и сценариев, а также возможности их причинно-следственного анализа и возможности выявления путей управления ходом развития процессов по мере из реализации.

2. Определения и задачи
Основополагающими понятиями в системе Aigents [2] являются вещь (или сущность) и набор (или множество).

Вещь (Thing)

  • может иметь одно или более свойств (properties)
  • идентифицируется одним или более текстовым шаблоном (свойство patterns) [3]
  • свойство имя (name) по умолчанию само является текстовым шаблоном
  • может являться экземпляром вещи более высокого уровня абстракции

Набор (Set)

  • может иметь несколько вещей в своем составе
  • может быть дизъюнктивным - включать альтернативные вещи в стилие логической операции
    ИЛИ (Any-Set)
  • может быть конъюнктивным - включать совокупность необходимых вещей в стиле логической
    операции И (And-Set)
  • может быть конъюнктивно-упорядоченным - включать совокупность необходимых вещей в
    стиле логической операции И, с обязательным порядком следования (Seq-Set)

При анализе цепей событий и их причинно-следственном анализе, могут быть рассмотрены следующие категории вещей.

  • Актор (Actor) - вещь, совокупностью своих свойств и шаблонов определяющая актора того или иного отношения в той или иной роли, например - вода, камень, точение, руководство, Иван Петров, ООО Сигма, США, ООН)
  • Роль — вещь, определяющая качество актора какого либо явления или роль, играемую им в данном явлении
  • Явление (Appearance) - вещь, объединяющая несколько акторов явления в различных ролях (являющихся свойствами явления как вещи), например:
  • “Вода камень точит” (вода - в роли субъекта, точит - в роли глагола, камень - в роли объекта)
  • “Иван Петров руководит ООО Здоровье+” (Иван Петров - в роли субъекта, руководство - в роли глагола, ООО Здоровье+ - в роли объекта)
  • Событие (Event) - явление, характеризуемое свойством времени (times)

Анализ имеющих место явлений и событий может приводить к формированию следующих наборов вещей.

  • Взаимосвязанные явления (Coupled Appearances) - конъюнктивный набор явлений, имеющих одних и тех же акторов в одних и тех же ролях, например:
  • Вода камень точит
  • Вода - источник жизни
  • Вода превращается в пар
  • Тесно связанные явления - конъюнктивный набор явлений, имеющих несколько одних и тех же акторов в одних и тех же ролях, например:
    • Иван Петров - глава Департамента Здравоохранения
    • Иван Петров является учредителем Фондом Благоденствия
    • Иван Петров руководит ООО Здоровье+
  • Совпадение (Coincidence) - конъюнктивный набор связанных событий, имеющих одно и то- же значения свойства времени (связанные по времени)
  • Связанное совпадение (Coupled Coincidence) - конъюнктивный набор событий, связанных не только по времени
  • Тесно связанное совпадение - конъюнктивный набор событий, тесно связанных не только по времени
  • Сценарий (Scenario) - упорядоченный набор явлений или связанных явлений, которые могут быть реализованы в различных процессах
  • Процесс (Process) - упорядоченный набор событий и совпадений, могут реализовывать различные сценарии

Как вещи, так и явления, так и сценарии могут обладать различной степенью абстракции, например:

  • Иван Петров в различных явлениях и событиях может выступать как Ванечка, Ванюша,
    Ванька, Иван, Иван Сидорович, Петров, Сидороыч, обладатель паспорта N 12 34 567890 итд.
  • “Иван Петров руководит ООО Здоровье+” может быть реализовано как “У Вани жена -
    директор ООО Здоровье+”, “Сидорыч владеет у Здоровье+ контрольным пакетом” итд.
  • Сценарий “Петров возглавил бюджетное учреждение, после чего обосновал коммерческую
    фирму” может быть реализован как “Петров стал главой Департамента Здравоохранения, после чего его жена открыло ООО Здоровье+” либо “Петров возглавил Отдел Строительства, после чего зарегистрировал ООО Ново-стройка”.

На основании сценариев (состоящих из явлений) и процессов (состоящих из событий), могут быть выявлены следующие сложные наборы

  • Альтернативный Актор (Alternative Actor) - дизъюнктивный набор акторов, могущих играть некоторую роль в явлении с высокой степенью абстракции, как правило — определяет область допустимых значений для той или иной роли.
    • Например, наборы X = {Петров Сидоров}, Y {обосновать, открыть, зарегистрировать} и Z {ООО Ново-стройка и ООО Здоровье+} могут быть использованы как акторы абстрактного явления “X Y Z”, экземпляром которого может являться “Петров зарегистрировал ООО Ново-стройка”
  • Ситуация (Situation/Context) - набор явлений, не обязательно непосредственно связанных между собой, но являющихся абстрактными по отношению к достаточно большому числу совпадений, то есть - связанные как общее-частное с одновременно проявляющимися явлениями
    • Например, абстрактная ситуация (X Y Z, A жена X, A B C), где B это альтернатива {возглавлять руководить}, а C это {“Департамент Здравоохранения” “Отдел Строительства”} означает опосредованный через близкие родственные связи конфликт интересов в случае мужа, возглавляющего коммерческую фирму и жены, руководящей бюджетной структурой (Петров руководит ООО Здоровье+, Петрова - жена Петрова, Петрова руководит Департаментом Здравоохранения)
  • Ситуационная развилка (Situational/Contextual Fork) - дизъюнктивный набор явлений или ситуаций, имеющих равную или различную вероятность реализации в ходе развития сценария или процесса.
  • Ситуационные триггеры (Situational/Contextual Trigger) - явление или событие, дополняющее ситуационную развилку до состояния с измененными вероятностями реализации составляющих ее альтернатив, то есть — фактически направляющих (явно, или с какой-то вероятностью) развитие процесса по соответствующему варианту сценария.

Снимок экрана 2018-06-10 в 20.26.31.png
Рис. 1. На рисунке в верхней части приводится пример абстрактного сценария, включающего последовательность не привязанных к конкретному времени ситуаций, включающих явления с абстрактными-же акторами. В нижней части рисунке приводится процесс, реализующий данный сценарий. В том и другом случае показаны абстрактные (сверху) и конкретные (снизу) ситуационные развилки и триггеры, обеспечивающие возможность альтернативных вариантов развития и выбора одного из них.

Задачами причинно-следственного анализа является следующее:

  • Выявление событий и их акторов - по соответствию шаблонам явлений текстов в источниках Интернета;
  • Выявление процессов и определение составляющих их совпадений, событий и их акторов - по совокупности событий;
  • Формирование возможных абстрактных сценариев и определение составляющих их ситуаций, явлений и наборов их альтернативных акторов - по совокупности процессов;
  • Выявление пересекающихся и альтернативных сценариев и ситуационных развилок - по совокупности сценариев;
  • Определение ситуационных триггеров, могущих повлиять на развитие сценария в конкретном процессе при прохождении той или иной ситуационной развилки - по совокупности развилок.

3. Выявление событий и акторов. Вещи и шаблоны
Давайте посмотрим, насколько многообразие описанных вещей и наборов может быть описано в терминах базовой онтологической модели и языке описания шаблонов существующей версии платформы Aigents [2,3].
Актор - определятся как именованная вещь, или вещь со свойством name. При этом, идентифицирующие вещь в тексте шаблоны могут браться как неявно через само имя вещи (поддерживается пользовательским интерфейсом Aigents 1.0.9), так и явно через свойство patterns (не поддерживается пользовательским интерфейсом Aigents 1.0.9, но может быть задано через разговорную консоль Talks).
Неявное описание шаблона актора через лемму [3]:

There name "{антон иван}".
Ok.

Явное описание шаблона актора через лемму [3]:

There name person.
Ok.
Name person patterns "{антон иван}".
Ok.
What person patterns?
Person patterns '{Антон Иван}'.

Явное описание шаблона актора через набор шаблонов:

There name person.
Ok.
Name person patterns антон, иван. Ok.
What person patterns?
Person patterns антон, иван.

Явление - определяется как именованная либо не именованная вещь, которая может содержать переменные в явно или неявно заданных шаблонах. Каждая переменная явно или неявно определяет свойство вещи, определяемое для каждого события данного явления как актор в некоторой роли (например, явление “приобретение” с шаблоном “$покупатель купил $покупку” определяет две переменные $покупатель и $покупка, которые могут быть заполнены фактическими акторами в соответствующих ролях при создании события данного явления).

  • При отсутствии переменных, считаем явление унарным, тождественной актору, а событие для данной вещи будет рассматриваться как явление самого актора в конкретный момент времени как такового (например, выявленное в тексте соответствие шаблону “{обама {президент сша}}” будет говорить об упоминании текущего президента США в тексте и приведет к созданию соответствующего события).
  • При наличии одной переменной, считаем явление бинарным (например - субъект- предикат), а значение переменой при создании события будет соответствовать, в контексте самого явления единственному его актору (например, в шаблоне явления “{обама {президент сша}} {сказал объявил заявил} $obamas_point” в качестве актора будет содержимое заявления Обамы).
  • При наличии более чем одной переменной, явление будет характеризоваться соответствующим числом акторов в ролях, определяемых именами атрибутов (например, текст “Обама принудил ЕС ввести санкции против России”, при соответствии шаблону явления “обама принудил $organization ввести санкции против $country” определит значения organization=”ЕС” и country “россии”).

Примеры описания шаблонов с переменными:

There name person_saying_something patterns "{антон иван ольга} {сказал сказала} $someting".
Ok.
What person_saying_something?
Person_saying_something name person_saying_something, patterns '{антон иван ольга} {сказал сказала} $something'.

Событие - определяется как явление-экземпляр некоего явления-класса, связанный с ним свойством наследования is и имеющий также свойство времени times - со значением, соответствующим времени выявления события. Кроме того, при создании события определяются его свойства sources - заполненное ресурсом (url) источника текста, а также свойство text - заполненное полным текстом соответствия шаблону по тексту.

Типизация свойств (переменных шаблонов)
В версии Aigents 1.0.9, наличие переменных у шаблонов явления, по умолчанию, не приводит к созданию вещей-акторов при создании событий для явлений при обнаружении соответствия шаблону в тексте. То есть, при создании событий, свойства заполняются текстовыми значениями. При этом однако, существует возможность ограничения на возможные значения переменных посредством указания класса свойств-переменных - из числа предопределенных типов (word, time, number, money). Для типизации переменной свойства, необходимо явно указать обладание вещи данным свойством посредством свойства has.

Примеры описания шаблонов с переменными:

There name item_quantity_cost patterns “В продаже $item , количество $amount , цена cost”, has amount, cost.
Ok.
Cost is money.
Ok.
Amount is number.
Ok.

В следующей версии платформы Aigents, для выявления полноценных событий явлений с акторами- явлениями, предполагается ввести возможность типизации свойств через шаблоны вещей акторов таким образом, что при выявлении соответствия шаблону актора (роли) в составе шаблона явления, в качестве значения переменной будет подставляться не текст, а непосредственно сам актор. Это будет выглядеть примерно так.

There name person_doing_something patterns "$person $doing $something", has person, doing, something.
Ok.
Person is “{антон иван ольга}”
Ok.
Doing is “{{сказал сказала} {написал написала}}” Ok.

4. Модель данных и математическая модель

Согласно приведенным выше понятиям, можно представить изображенную на рис.2 модель данных с отношениями наследования (is), обладания (has), связанности со временем (times), а также отношениями вхождения в наборы — конъюнктивный (and-set) и конъюнктивно-упорядоченный (seq-set). Прежде всего, введем необходимые базовые определения. При этом рассмотрим как абстрактные, не привязанные к конкретному времени вещи (роли, явления, ситуации и сценарии), так и конкретные вещи (соответственно — актеры, события, совпадения и процессы), являющиеся привязанными к реальному времени реализациями.

G – совокупность всех возможных абстрактных и конкретных вещей (ролей и актеров, явлений и событий, ситуаций и совпадений, сценариев и процессов) присутствующих в рассматриваемом информационном пространстве, причем, если определить пространство как граф, с некоей вещью как g являющейся вершиной графа.
R – совокупность всех возможных ролей, или подмножество G, определяющее метаданные – совокупность вещей, определяющих роли r для других явлений (типы бинарных связей в графе).
A – совокупность всех возможных акторов, или подмножество G, определяющее набор допустимых значений для реализации ролей в явлениях, где каждый актор a может быть связан отношением наследования с играемыми им ролями.
E – совокупность всех возможных явлений, или подмножество G, определяющее возможные комбинации ролей, играемых теми или иными акторами в этих явлениях.
S — подмножество G как множество ситуаций s, имеющих место с включением в них соответствующих явлений.
Q — относительное время, определяющее порядок следования (ситуаций в сценариях) q.
O — подмножество G как множество возможных сценариев o, включающих те или иные ситуации в определенной последовательности (в относительном времени).
T – рассматриваемый интервал времен, с точкой времени определяемой как t, где t изменяется от 0 до бесконечности, с любым возможным инкрементом по дискретной оси.
V – совокупность всех возможных событий, или подмножество G, определяющее каждое отдельное событие v проявление какого-либо явления в определенный момент времени.
C – совокупность всех возможных совпадений, или подмножество G, определяемое как все существующие на временной оси суперпозиции событий, где каждая рассматриваемая суперпозиция отдельный момент времени может быть обозначена как c.
P – подмножество G, определяемое как все возможные процессы, протекавшие или протекающие в рассматриваемом временном пространстве, где каждый процесс p включает в себя цепочку совпадений с нарастающим значением времени.
Снимок экрана 2018-06-10 в 20.42.58.png
Рис. 2. Используемая модель данных с типами отношений.

Далее, введем необходимые функциональные множества и функции, согласно данным выше определениям. При этом, каждую определяемую функция можно рассматривать как определяющую множество в качестве функции булевой (где true обозначает вхождение в множество, а false — исключение из него) либо вероятностной (непрерывной на интервале от 0 до 1, определяющей, таким образом, нечеткое множество).

A(r) — все акторы данной роли
R(a) — все роли актора
R(e) — все роли в данном явлении (определяет множество связей типа has в графе)
E(r) — все явления с данной ролью (обратна предыдущей)
E(v) — все явления, описывающие данное событие
E(t) — все явления, имеющие реализующие их события в указанный момент времени, или вероятность того или иного явления в это время
V(e) — все события, представляющие данное явление
V(t) — все события в данный момент времени, или вероятность того либо иного конкретного события в указанный момент времени («событийная функция»)

A(v) — все акторы данного события, A(v,r) — в указанной роли (определяет подграф связей типа r в общем графе)
V(a) — все события с данным актором, V(a,r) — в указанной роли (обратна предыдущей), V(a,r,t) — в заданное время (определяет временной срез подграфа связей типа r)
S(e) — все ситуации, включающие данное явление
E(s) — все явления, включающие данную ситуацию
S(c) — все ситуации, обобщающие данное совпадение
C(s) — все совпадения, обобщаемые данной ситуацией
C(v) — все совпадения, включающие данное событие
V(c) — все события, входящие в данное совпадение
C(t) — все совпадения в данный момент времени, C(t,v) — с включением указанного события
V(t) — все события в данный момент времени, V(t,c) — ассоциированные в указанном совпадении O(s) — все сценарии, включающие конкретную ситуацию, O(s,q) — с указанной очередностью
S(o) — множество ситуаций в данном сценарий, S(o,q) — в указанной очередности
P(t) — множество процессов, происходящих в данный момент времени
P(c) — множество процессов, включающих данное совпадение, P(c,t) — в указанное время
O(p) — множество сценариев, являющихся обобщением данного процесса
P(o) — множество процессов, обобщаемых данным сценарием
C(p) — множество совпадений, включающих данный процесс, C(p,t) — в указанное время
T(a), T(v), T(c), T(p) — временные континуумы существования указанных актора, события, совпадения и процесса — соответственно (в совокупности определяют подграф связей типа times)

Следует обратить внимание, что функции R(a), E(v), S(c) и O(p) на своих областях определения сами определяют множество отношений наследования между конкретными (акторы, события, совпадения, процессы) и абстрактными (роли, явления, ситуации, сценарии) вещами, и имеют соответствующие обратные функции A(r), V(e), C(s) и P(o).

Для дальнейшего обсуждения важно заметить, что понятие конкретных и абстрактных вещей в приведенных выше определениях является относительным, то есть одна и та же вещь может являться конкретной по отношению к вещи более высокого уровня (в одном контексте) и более абстрактной по отношению к вещи более низкого уровня (в другом контексте). Например, абстрактная фраза «мама что-то делала» описывает явление по отношению к более конкретному событию «мама что-то мыла» и, в то же самое время, последняя фраза является абстрактным явлением по отношению к еще более конкретному «мама мыла раму». Таким образом, все определяемые выше множества, в общем случае, могут быть в той или иной степени пересекающимися, а вводимые функции иметь пересекающиеся области значений.

5. Унифицированный алгоритмический подход
В дальнейшем, считаем данный подход применимым для формализации когнитивных функций различного порядка — начиная от распознавания устных и письменных текстов, включая выявление смысловых шаблонов в тексте и заканчивая причинно-следственным анализом высокоуровневых событий, выявляемых как в текстах, так и в реальной жизни. Тем самым, полагаем реализуемый унифицированный алгоритмический аппарат применимым на различных когнитивных уровнях — оперируя на каждом из них с данными более низкого уровня, передавая результаты на более высокий. Соответствие понятий различных уровней абстракции и различного типа агрегации применительно к указанным функциям представлено в приведенной ниже таблице.
Снимок экрана 2018-06-10 в 20.46.05.png
Табл 1. Схема соответствия различных данных различных когнитивных функций формальным понятиям рассматриваемой модели — более конкретным (строки 1-4) и более абстрактным (строки 4-8).

Соответственно, в рамках имеющихся системы понятий и математической модели, определим виды анализа, позволяющие переходить между различными уровнями абстракции и степенями агрегации в пределах реализации когнитивной функции того или другого уровня — представленные на следующем рисунке.
Снимок экрана 2018-06-10 в 20.47.21.png
Рис. 3. Виды анализа, позволяющие осуществлять переходы между низкими (снизу) и высокими (сверху) уровнями абстракции и степенями агрегации (атомарные - влево, упорядоченные - вправо).

  • Роле-определение (Role scoping) — определение множества акторов, формирующих область определения значения роли по множеству событий, представляющих одно и то же
    явление — от частных случаев к общему. Например, конкретные события загорания светофора красным, желтым или зеленым цветом определяет роль «цвет» с акторами «красный», «желтый» и «зеленый» в абстрактном явлении загорания светофора. В качестве другого примера, конкретные события по мытью окна мамой или папой определяет роль «чистящий» с акторами «мама» и «папа» в абстрактном явлении чистки окна. Наконец, события представляющие соединяющий штрих в букве «н» при написаниях ее различным почерком, определяют значения роли (свойства, в данном случае) «наклон» в диапазоне углов наклона, близким к горизонтальному.
  • Выделение акторов (Actor differentiation) — определение отдельных акторов, играющих сходную роль во множестве событий, общных между собой по акторам в других ролях — от
    общего, к частному. Для первого из приведенных выше примеров — при значении роли «яркость» равной «горит» у загорания светофора, анализ прецедентов позволяет выявить значения роли «роли» цвет - «красный», «желтый» и «зеленый». Далее, факты мытья окна мамой и папой могут выявить как того, так и другого в качестве исполнителя роли «чистящий». Соответственно, изучение множества написаний буквы «н» позволяет выявить все углы наклона соединительного штриха как значения роли (свойства) «наклон».
  • Унификация явлений (Appearance unification) — определение множества событий характеризуемых сходным набором ролей и акторов, играющих эти роли, при различии
    отдельных акторов в конкретных событиях. То есть, абстрактное явление загорания светофора может характеризоваться акторами «красный», «желтый» и «зеленый» в роли «цвет» при различных событиях такого рода, абстрактное явление мытье окна может в разных событиях реализоваться с акторами «мама» или «папа» в роли «моющего», а множество конкретных штрихов, соединяющих вертикальные штрихи при различных написаниях буквы «н» определят абстрактное явление, отличное от похожего штриха при написании буквы «п».
  • Кластеризация событий (Event clustering) — определение множества совпадений как групп совпадающих по времени событий, относящихся к одной и той-же группе явлений. Например,
    совпадения загорания светофора красным цветом с движением самых разных машин на дороге, или — совпадения мытья окна кем-либо с увеличением количества света в комнате и четкости объектов видимых сквозь стекло, либо — визуальное совпадение горизонтального штриха между двумя вертикальными штрихами со звуком «н», произносимым мамой или папой.
  • Унификация ситуаций (Situation unification) — определение множества совпадений, объединяющих группы событий, относящихся к одной и той-же группе явлений, то есть — типичной ситуации. К примеру, ситуацией в этих терминах может быть определенный цвет светофора при движении машин на дороге либо его отсутствии. Далее, абстрактное мытье окна кем-либо, сопровождаемое увеличением степени прозрачности стекла также может быть рассмотрено как ситуация. Наконец, под формальное определение ситуации попадает любое сочетание двух вертикальных штрихов с соединяющем их посередине горизонтальным, формирующее букву «н».
  • Связывание совпадений (Coincidence chaining) — определение цепочек совпадений, следующих одно за другим во времени, образующих непрерывный процесс. Процессом может
    быть ожидание сегодняшним утром у светофора на перекрестке по дороге на работу, с последующим переходом улицы на зеленый свет и благополучным достижением обочины на другой стороне дороги. Также, процессом является мытье окна в гостиной комнате этой весной, начиная с залезания на подоконник, собственно мытья стекол мокрой тряпкой и последующей протиркой их газетами. В свою очередь, последовательность звуков речи произносимой кем-либо, или выходящих из-под чьего-либо пера печатных символов, формирующих слово, тоже подходит под определение процесса.
  • Унификация сценариев (Scenario unification) — определение цепочек таких ситуаций, которые объединяют совпадения, следующий друг за другом точно той-же
    последовательности, или, другими словами — объединяющих непустое множество процессов на реальной временной оси. Примером сценария может быть успешный переход улицы на зеленый цвет светофора, так и несчастный случай при переходе на красный. Не привязанное к конкретному времени абстрактное мытье окна — тоже сценарий. Соответственно, транскрипция устного слова либо его письменное написание в словаре также является сценарием.
  • Выявление ситуационных развилок (Situational fork detection) — для семейства сценариев, имеющих одну и ту же часть (то есть, содержащих идентичные цепочки ситуаций),
    но различающиеся по ситуациям в конце (исходам), нахождение последней ситуации в цепочке идентичных — за которой начинается различие сценариев. К примеру, ситуационной развилкой может быть загорание красного сигнала светофора при выходе пешехода на проезжую часть и одновременным началом движения транспорта — с тем или иным исходом. Другим примером ситуационной развилки является окончание мытья окна мокрой тряпкой, когда либо не просушенной газетой стекло может оказаться с грязными разводами после просыхания, либо — протертое — оказаться кристально чистым. Наконец, про распознавании цепочки звуков [jo] следующими звеньями в цепи [см. цепи Маркова] может быть как [ж] в слове «ёж», так и [л] в слове «ёлка».
  • Выделение ситуационных триггеров (Situational trigger differentiation) — для семейства сценариев с выявленными ситуационными развилками, в первой ситуации после развилки,
    определение в различных сценариях явлений или наборов явлений, совокупность которых определяет различные исходы сценариев. В первом из рассматриваемых примеров ситуационным триггером для сценария с фатальным исходом может быть выход на проезжую часть при красном свете светофора. Во втором примере, ситуационным триггером для исхода служит протирка окна газетой после окончания мытья его мокрой тряпкой — что гарантирует исход с действительно чистым стеклом. В последнем примере, сами символы и звуки «ж» и «л» являются такими триггерами, предопределяющими окончательное смысловое значение слова, отличное только в эмоциональных оттенках («ёж» и «ёжик», или «ёлка»).

6. Заключение
Описанная выше модель находится в процесс реализации в рамках проекта https://aigents.com/, начиная с 2014 года, по настоящее время. Следите за обновлениями на сайте и в наших группах в соцсетях:
https://www.youtube.com/aigents
https://www.facebook.com/aigents
https://plus.google.com/+Aigents
https://medium.com/@aigents
https://steemit.com/@aigents
https://golos.blog/@aigents
https://vk.com/aigents

Список литературы

  1. Survey on Event tracking and Event Evolution
    http://www.ijcta.com/documents/volumes/vol3issue1/ijcta2012030101.pdf
  2. Intelligent Agent for Web Watching : Language and Belief System
    http://aigents.com/papers/2014AgentBeliefKolonin.pdf
  3. Подсказка по системе Aigents
    http://aigents.com/ru/help.html
  4. Fractals in the Nervous System: conceptual implications for Theoretical Neuroscience. http://arxiv.org/pdf/0910.2741.pdf
  5. Story Teller: Detecting and Tracking Hot Topics to Enhance Search Engine Performance http://iir.ruc.edu.cn/project/storyteller.jsp
  6. WebSkimming: An Automatic Navigation Method along Context-Path for Web Documents http://www2002.org/CDROM/poster/202/
управлениеcyberanalyticsaigents
14
0.966 GOLOS
0
В избранное
aigents
Aigents
14
0

Зарегистрируйтесь, чтобы проголосовать за пост или написать комментарий

Авторы получают вознаграждение, когда пользователи голосуют за их посты. Голосующие читатели также получают вознаграждение за свои голоса.

Зарегистрироваться
Комментарии (1)
Сортировать по:
Сначала старые