近日，安徽大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院博士生鄭愛(ài)華撰寫的學(xué)術(shù)論文《基于豐富時(shí)序因素的狀態(tài)序列匹配》被第26屆美國(guó)人工智能發(fā)展協(xié)會(huì)人工智能國(guó)際會(huì)議錄用。該論文不僅為時(shí)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(jiàn)數(shù)據(jù)，任何與時(shí)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(gè)重要研究?jī)?nèi)容。近半個(gè)世紀(jì)來(lái)，針對(duì)狀態(tài)序列的時(shí)序?qū)傩裕瑢W(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(shí)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(shí)間屬性。

　　鄭愛(ài)華的論文首次規(guī)范了時(shí)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(shí)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(shí)間軸上的排序、每個(gè)狀態(tài)本身所持續(xù)的時(shí)間，以及相鄰兩個(gè)狀態(tài)之間的時(shí)間間隔。在此基礎(chǔ)上，順理成章地設(shè)計(jì)了一個(gè)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(shí)序模式匹配中豐富的時(shí)序因素，還兼顧了狀態(tài)時(shí)序模式匹配中的非時(shí)序因素，較全面地解決了狀態(tài)時(shí)序模式匹配問(wèn)題，更演繹說(shuō)明了現(xiàn)有的熱門狀態(tài)時(shí)序模式匹配算法均可看成該框架的特例。實(shí)驗(yàn)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(shí)序匹配提供了規(guī)范的描述模型，更為時(shí)序匹配提供了一套優(yōu)良的方案。

　　據(jù)悉，美國(guó)人工智能發(fā)展協(xié)會(huì)成立于1979年，該協(xié)會(huì)舉辦的人工智能國(guó)際會(huì)議是世界人工智能領(lǐng)域頂尖國(guó)際學(xué)術(shù)會(huì)議之一。會(huì)議每年在每個(gè)領(lǐng)域只能錄取幾篇論文，所錄用論文反映了國(guó)際人工智能研究最高水平成果。該會(huì)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。