近日，安徽大學(xué)計算機(jī)科學(xué)與技術(shù)學(xué)院博士生鄭愛華撰寫的學(xué)術(shù)論文《基于豐富時序因素的狀態(tài)序列匹配》被第26屆美國人工智能發(fā)展協(xié)會人工智能國際會議錄用。該論文不僅為時序匹配提供了規(guī)范的描述模型，還提供了一套優(yōu)良的方案。

　　狀態(tài)序列是一種常見數(shù)據(jù)，任何與時間相關(guān)的信息基本上都可以看成是狀態(tài)序列。狀態(tài)序列的匹配也是人工智能領(lǐng)域的一個重要研究內(nèi)容。近半個世紀(jì)來，針對狀態(tài)序列的時序?qū)傩?，學(xué)者們提出了諸多狀態(tài)序列相似度度量算法，但大部分度量方法只考慮了狀態(tài)序列在時間軸上的排序，而忽略了狀態(tài)序列中還有其他非常重要的時間屬性。

　　鄭愛華的論文首次規(guī)范了時間序列和狀態(tài)序列的邏輯表達(dá)模型。該模型規(guī)范化地定義了時間序列和狀態(tài)序列，并詳細(xì)具體地定義了狀態(tài)序列在時間軸上的排序、每個狀態(tài)本身所持續(xù)的時間，以及相鄰兩個狀態(tài)之間的時間間隔。在此基礎(chǔ)上，順理成章地設(shè)計了一個規(guī)范的狀態(tài)序列匹配相似度度量框架，不僅首次囊括了狀態(tài)時序模式匹配中豐富的時序因素，還兼顧了狀態(tài)時序模式匹配中的非時序因素，較全面地解決了狀態(tài)時序模式匹配問題，更演繹說明了現(xiàn)有的熱門狀態(tài)時序模式匹配算法均可看成該框架的特例。實驗結(jié)果證明，該框架有較強(qiáng)的穩(wěn)定性和適應(yīng)性，這使得該框架不僅為時序匹配提供了規(guī)范的描述模型，更為時序匹配提供了一套優(yōu)良的方案。

　　據(jù)悉，美國人工智能發(fā)展協(xié)會成立于1979年，該協(xié)會舉辦的人工智能國際會議是世界人工智能領(lǐng)域頂尖國際學(xué)術(shù)會議之一。會議每年在每個領(lǐng)域只能錄取幾篇論文，所錄用論文反映了國際人工智能研究最高水平成果。該會議將于今年7月22日至26日在加拿大安大略省多倫多市舉行。