从时间戳数据推断高层事件：复杂度与医学应用

本文发展了一种基于逻辑的新方法，用于从时间戳数据和背景知识中检测高层次时序扩展事件。我们的框架采用逻辑规则来捕捉简单时序事件的存在与终止条件，并将其组合成元事件。在医学领域，示例如下，从患者记录中存储的诊断和药物给药等时间戳临床观察数据中推断疾病发作和治疗方案，并可进一步组合成更高层次的疾病事件。由于可能推断出错误事件，我们使用约束来识别事件的不兼容组合，并提出一种修复机制，以选择首选的一致事件集合。虽然在完整框架下推理不可计算，但我们识别了相关限制，确保数据复杂度为多项式时间。我们的原型系统使用答案集编程实现了方法的核心组件。对肺癌用例的评估支持了该方法的可行性，以及我们结果与医学专家意见的积极一致。虽然强烈受医疗保健领域需求的驱动，但本框架本意为通用，使其在其他领域具有可重用性。