近日，安徽大学计算机科学与技术学院博士生郑爱华撰写的学术论文《基于富厚时序因素的状态序列匹配》被第26届美国人工智能生长协会人工智能国际会议录用。该论文不仅为时序匹配提供了规范的描述模型，还提供了一套优良的方案。
状态序列是一种常见数据，任何与时间相关的信息基本上都可以看成是状态序列。状态序列的匹配也是人工智能领域的一个重要研究内容。近半个世纪来，针对状态序列的时序属性，学者们提出了诸多状态序列相似度度量算法，但大部门度量要领只考虑了状态序列在时间轴上的排序，而忽略了状态序列中还有其他非常重要的时间属性。
郑爱华的论文首次规范了时间序列和状态序列的逻辑表达模型。该模型规范化地界说了时间序列和状态序列，并详细具体地界说了状态序列在时间轴上的排序、每个状态自己所连续的时间，以及相邻两个状态之间的时间间隔。在此基础上，顺理成章地设计了一个规范的状态序列匹配相似度度量框架，不仅首次囊括了状态时序模式匹配中富厚的时序因素，还兼顾了状态时序模式匹配中的非时序因素，较全面地解决了状态时序模式匹配问题，更演绎说明了现有的热门状态时序模式匹配算法均可看成该框架的特例。实验结果证明，该框架有较强的稳定性和适应性，这使得该框架不仅为时序匹配提供了规范的描述模型，更为时序匹配提供了一套优良的方案。
据悉，美国人工智能生长协会建立于1979年，该协会举办的人工智能国际会议是世界人工智能领域顶尖国际学术会议之一� ；嵋槊磕暝诿扛隽煊蛑荒苈既〖钙畚�，所录用论文反映了国际人工智能研究最高水平结果。该会议将于今年7月22日至26日在加拿大安大略省多伦多市举行。