1、隨著信息技術(shù)不斷發(fā)展，社會各個領(lǐng)域建立了越來越多的業(yè)務(wù)應(yīng)用系統(tǒng)，不同系統(tǒng)運營產(chǎn)生了大量的數(shù)據(jù)。隨著數(shù)據(jù)量的龐大，將不同業(yè)務(wù)系統(tǒng)數(shù)據(jù)融合在一起挖掘潛在價值變得越來越有意義。復(fù)雜事件檢測技術(shù)實現(xiàn)的就是將業(yè)務(wù)數(shù)據(jù)抽象為事件序列，通過復(fù)雜事件描述方法，將有潛在價值的復(fù)合數(shù)據(jù)描述為特定的事件匹配結(jié)構(gòu)，復(fù)雜事件檢測引擎再從大量事件流中檢測出滿足匹配結(jié)構(gòu)的事件序列，最終輸出數(shù)據(jù)融合結(jié)果。但傳統(tǒng)復(fù)雜事件檢測技術(shù)在進行事件描述時，輸入事件流為單一原子事件

2、類型，事件謂詞約束為簡單的屬性值比較操作和簡單聚合操作，事件之間的時序約束只能是“after”、“before”等簡單的時間關(guān)系。這使得傳統(tǒng)檢測方法無法滿足諸如醫(yī)學(xué)、金融等對時間要求比較精確，事件謂詞約束要求更加豐富的應(yīng)用領(lǐng)域。因此，一種能夠支持多元事件輸入，支持事件間量化時序約束和復(fù)雜謂詞約束的復(fù)雜事件檢測方法是非常有必要的。
　　為了實現(xiàn)支持多元事件輸入，支持事件間量化時序約束和復(fù)雜謂詞約束的復(fù)雜事件檢測，本文在傳統(tǒng)復(fù)雜事件檢

3、測模型基礎(chǔ)之上提出了面向多元時序數(shù)據(jù)的復(fù)雜事件檢測方法，定義了基于TCN的量化時序約束表示方法和基于時段特征約束的謂詞約束表示方法，同時增強了事件輸入方式，支持多元事件輸入，并且提出了基本的復(fù)雜事件檢測算法和并行化檢測方法，使得復(fù)雜事件檢測方法更加高效。本文的主要貢獻如下：
　　(1)事件定義：在進行復(fù)雜事件描述之前，需要定義事件概念，本文對事件重新做出了定義，提出了原子事件、聚合事件和復(fù)雜事件的概念。
　　(2)事件描述方

4、法提出：本文在復(fù)雜事件描述方面，引入TCN時間約束網(wǎng)絡(luò)進行事件間量化時序關(guān)系的表示，引入時段特征進行事件復(fù)雜謂詞約束的表示，并且提出了聚合事件描述模型和復(fù)雜事件描述模型。
　　(3)基本復(fù)雜事件檢測算法提出：本文基于傳統(tǒng)復(fù)雜事件檢測系統(tǒng)SASE，提出支持量化時序約束和復(fù)雜謂詞約束的復(fù)雜事件檢測方法，同時支持多元事件輸入。
　　(4)并行復(fù)雜事件檢測算法提出：針對基本檢測算法在輸入事件量較大時，整個系統(tǒng)檢測時間周期較長的問題，