通过将日历表达式映射到最小周期集以支持时间推理
人工智能
2011-10-12 v1
摘要
近年来,若干研究工作聚焦于时间粒度(time granularity)概念及其应用。第一个研究方向考察了粒度概念背后的数学模型,以及基于这些模型管理时间数据的算法。第二个研究方向考察了提供一组代数算子以紧凑、组合方式定义粒度的符号化形式化方法。然而,目前仅有非常有限的操作算法被提出以直接作用于该代数表示,这使得符号化形式化方法不适用于需要操作粒度的应用。本文旨在弥合这两个研究方向成果之间的鸿沟,提供一种从代数表示到基于数学模型的等价底层表示的高效转换。此外,该转换返回一个以周期长度为度量的最小表示。我们的结果具有重要的实际意义:用户可以更方便地通过代数算子定义任意粒度,然后访问粒度推理及其他在等价最小底层表示上高效运行的服务。作为示例,我们展示了其在多粒度时间约束推理中的应用。从技术角度看,我们提出一种混合算法,将日历子表达式到周期集的转换与周期长度的最小化交替进行。该算法返回具有最小周期长度的基于集合的粒度表示,而周期长度是所考虑推理服务性能最相关的参数。大量实验工作支持了算法中所采用的技术,并展示了算法的高效性与有效性。
引用
@article{arxiv.1110.2213,
title = {Supporting Temporal Reasoning by Mapping Calendar Expressions to Minimal Periodic Sets},
author = {C. Bettini and S. Mascetti and X. S. Wang},
journal= {arXiv preprint arXiv:1110.2213},
year = {2011}
}