首页期刊导航|计算机工程
期刊信息/Journal information
计算机工程
华东计算技术研究所　上海市计算机学会
计算机工程

华东计算技术研究所　上海市计算机学会

游小明

月刊

1000-3428

hdsce@sohu265359.sohuvip.net

021-54972331

200233

上海市桂林路418号

计算机工程/Journal Computer EngineeringCSCD北大核心CSTPCD
查看更多>>本刊是中国电子科技集团公司第三十二研究所（华东计算技术研究所）主办的学术性刊物，是上海市计算机学会会刊。主要特点：以最快的速度、科学求实的精神，精选刊登代表计算机行业前沿科研、技术、工程方面的高、精、尖优秀论文。贯彻党的“双百”方针，繁荣科技创作，促进国内外学术交流，探讨和传播计算机科学的理论和实践，加速和促进我国计算机事业的发展。
正式出版
收录年代

    维吾尔语机器翻译研究综述

    哈里旦木·阿布都克里木侯钰涛姚登峰阿布都克力木·阿布力孜...
    1-16页
    查看更多>>摘要：维吾尔语机器翻译作为我国低资源机器翻译研究的重要任务之一,其发展与应用可以更好地促进不同地区和民族之间的文化交流与贸易往来.然而,维吾尔语作为一种黏着性语言,在机器翻译领域存在形态复杂、语料稀缺等问题.近年来,在维吾尔语机器翻译发展的不同阶段,研究人员针对其特点在算法和模型上不断优化与创新,取得了一定的研究成果,但缺乏系统性的综述.全面回顾维吾尔语机器翻译的相关研究,并根据方法的不同将其分为基于规则和实例的维吾尔语机器翻译、基于统计的维吾尔语机器翻译以及基于神经网络的维吾尔语机器翻译3种类型,同时对相关学术活动和语料库资源进行汇总.为进一步探索维吾尔语机器翻译的潜力,采用ChatGPT模型对维吾尔语-汉语机器翻译任务进行初步研究,实验结果表明,在Few-shot情景下,随着示例数的增加,翻译性能先升后降,在10-shot时表现最佳.此外,思维链方法在维吾尔语机器翻译任务中并未展示出更优的翻译能力.最后对维吾尔语机器翻译未来的研究方向进行了展望.

    维吾尔语基于规则和实例的机器翻译统计机器翻译神经机器翻译大语言模型

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 维普
    • 万方数据

    区块链矿池网络及典型攻击方式综述

    倪雪莉马卓王群
    17-29页
    查看更多>>摘要：区块链网络是构建在TCP/IP体系之上的一类覆盖网络,在不依赖可信中心服务节点和可信信道的前提下,为分布式环境中互不信任的节点之间就账本数据达成一致性提供通信保障.随着区块链挖矿技术的发展,尤其是基于ASIC、GPU等硬件的工作量证明共识挖矿技术在比特币(BTC)、以太坊(ETH)、莱特币等主流加密货币中的应用,支撑矿池挖矿方式的矿池网络引起了研究者的广泛关注,因此归纳并总结区块链矿池网络及其安全方面的研究成果对于追踪区块链技术研究进展和拓展区块链应用范围具有重要价值.首先,结合传统对等(P2P)网络组网模式,针对BTC、ETH和超级账本等典型应用场景,梳理区块链P2P网络运行机制和特点.然后,介绍矿池、矿场以及矿池网络概念,分析矿池网络的组成要素以及GetWork、GetBlockTemplate和Stratum典型矿池网络协议的工作原理.接着,重点讨论针对矿池网络的自私挖矿、跳池、扣块、空块等典型攻击方式的实现过程,并提出相应的防范方法.最后,对矿池网络的未来发展方向进行展望.

    区块链对等网络矿池网络共识机制网络攻击

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 维普
    • 万方数据

    健壮且自适应的学习型近似查询处理方法研究

    乔艺萌荆一楠张寒冰
    30-38页
    查看更多>>摘要：由于在大规模数据集上执行精确查询耗时较长,因此近似查询处理(AQP)技术常被用于在线分析处理,目的是以较短的交互延迟返回查询结果,并尽可能地降低查询误差.现有的学习型AQP方法与底层数据解耦,将I/O密集型计算转化为CPU密集型计算,但是由于计算资源的限制,该类方法通常基于随机的数据样本进行模型训练,此类训练数据会引起稀有群组缺失问题,导致模型预测准确性不高.针对上述问题,提出一种基于分层样本学习的混合型和积网络模型,并基于该模型设计一种AQP框架.分层样本能够有效避免稀有群组缺失现象,基于该样本训练的模型预测准确性大幅提升.此外,针对数据动态更新的情况,提出一种模型自适应更新策略,使得模型能够及时检测数据偏移现象并自适应地执行更新.实验结果表明,与基于抽样和基于机器学习的AQP方法相比,该模型在真实数据集和合成数据集上的平均相对误差分别约降低18.3%和2.2%,在数据动态更新的场景下,其准确性和查询时延均呈现出良好的稳定性.

    近似查询处理和积网络分层抽样数据偏移自适应更新

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 维普
    • 万方数据

    基于Fabric的海量交易数据上链预处理机制

    刘颖马玉鹏赵凡王轶...
    39-49页
    查看更多>>摘要：Hyperledger Fabric是一种国内外广泛使用的联盟链框架,在基于Fabric技术的一些业务中具有协同组织众多、交易操作频繁、事务冲突增加等特点.Fabric采用的多版本并发控制技术能够在一定程度上解决部分交易冲突,提升系统并发性,但其机制不完善,会出现部分交易数据无法正常上链存储的问题.为了实现海量交易数据完整、高效、可信的上链存储,提出一种基于Fabric预言机的数据上链预处理机制.设计海量数据冲突预处理(MCPP)方法,通过检测、监听、延时提交、事务加锁、重排序缓存等方式实现主键冲突交易数据的完整上链.引入数据传输保障措施,在传输过程中利用非对称加密技术防止恶意节点伪造认证信息,确保交易数据链外处理前后的一致性.通过理论分析和实验结果表明,该机制可有效解决联盟链平台中海量交易数据上链时的并发冲突问题,当交易数据规模达到1 000和10 000时,MCPP的时效性比LMLS提高了38%和21.4%,且成功率接近100%,具有高效性和安全性,同时在无并发冲突情况下不影响Fabric系统性能.

    联盟链HyperledgerFabric平台预言机海量交易数据并发冲突数据传输

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 维普
    • 万方数据

    面向6G物联网设备协同的区块链动态分片

    蔡梓越谭北海余荣黄旭民...
    50-59页
    查看更多>>摘要：随着物联网规模化应用的不断落地,海量设备协同工作,产生了大量高价值数据.这些数据若得不到有效的安全保障,就容易遭受数据滥用、隐私泄露以及数据篡改等威胁.因此,去中心化、不可篡改、安全的区块链分片网络逐步取代传统的集中式网络,被应用到该场景中.然而,区块链分片网络受限于复杂环境以及高比例跨片协同事务.针对上述问题,提出一种面向6G物联网设备协同的区块链动态分片优化方案.设计分片系统架构,建立整个系统的吞吐量模型、安全模型以及时延模型.在此基础上,提出两阶段分片优化策略.第一阶段采用信誉分级分片策略筛选节点,第二阶段采用基于深度强化学习算法的动态分片策略,降低跨片协同事务比例,决策分片数量.两阶段的设计目的是在保证安全的情况下最大程度地提升整个系统的吞吐量.实验结果表明,在面向物联网设备协同的区块链分片场景下,相较于传统的基于单一的信誉分级分片策略、均匀分片策略或者随机分片策略的方案,所提方案在保证安全性的情况下,平均每轮减少50%以上的跨片协同事务比例,有效地提升了系统的吞吐量.

    物联网区块链分片委托拜占庭容错信誉值跨片协同深度强化学习

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 维普
    • 万方数据

    面向类集成测试序列确定的强化学习方法

    张晓天王雅文谢志庆金大海...
    68-78页
    查看更多>>摘要：面向类集成测试序列的强化学习方法能够自适应地根据系统集成状态调整集成测试策略,是测试优化的关键技术之一,但现有方法普遍存在计算成本高且不适用于大规模软件系统、忽略测试风险的滞后性问题,大幅降低了适用性和可靠性.针对上述问题,提出一种具有重要值加权奖励的基于测试顺序的强化学习方法.优化强化学习建模,忽略节点在测试序列上的具体位置,减弱状态之间的相关性,提升模型可用性.结合深度强化学习模型,端到端地更新集成测试策略,减少值函数的误差.在奖励函数的设计上,引入修正的节点重要值,实现降低整体测试桩复杂度且提升关键类优先级的多目标优化求解.在SIR开源系统上的实验结果表明:优化的强化学习建模方式能够有效降低整体测试桩复杂度,并适用于大规模软件系统;融入修正节点重要值的奖励函数能够有效提升软件系统中关键类的优先级,平均提升幅度为55.38%.

    测试序列强化学习节点重要值奖励函数集成测试

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 维普
    • 万方数据

    基于双重多视角表示的目标级隐性情感分类

    崔蒙蒙刘井平阮彤宋雨秋...
    79-90页
    查看更多>>摘要：目标级隐性情感分类是自然语言处理中一项重要的情感分析任务.目前多数研究主要侧重于对上下文感知的目标进行建模,且建模信息源较为单一,难以充分捕获到目标词在文本中的隐性情感.针对该问题,提出基于双重多视角表示学习的目标级隐性情感分类方法,采用3种视角对目标和输入文本进行建模,分别设计文本自身的表示学习、图视角下的表示学习以及外部知识视角下的表示学习,并通过卷积神经网络将3种视角下的表示进行深度融合.此外,同时采用上述3种视角对目标进行表示学习,将文本的语义表示和目标的语义表示相结合,并输入到情感极性分类器中.在5个公共数据集上进行实验并与8个基线模型的对比结果表明,该方法性能达到了最优水平,在NewsMTSC-mt和NewsMTSC-rw隐性情感分析数据集上的F1m值分别比最好模型提高 1.0%和 2.6%,在Laptop14、Restaurant14和Twitter显性情感分析数据集上的F1m值分别比最好模型提高3.6%、1.4%和1.6%.

    目标级隐性情感分类自然语言处理情感分析双重多视角表示学习

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 维普
    • 万方数据

    基于层次结构图的多跳知识图谱问答模型

    刘昀抒申彦明齐恒尹宝才...
    101-109页
    查看更多>>摘要：知识图谱问答(KBQA)旨在理解用户的自然语言问句,在结构化的知识图谱中通过检索、推理等手段来获取答案实体.近年来,多跳KBQA备受关注,然而,复杂问句中通常存在多个关系意图,已有KBQA方法大多忽视了推理关系链的关系顺序问题.为此,提出一种基于层次结构图的多跳知识图谱问答模型(HSG-KBQA),建模自然语言问句的关系层次顺序,指导模型在每个推理步选择合理的关系意图.设计一种层次结构图,显式地体现问句中关系的层次距离,利用LSTM-BiGCN编码层将词语间的依存信息编码到问句中;提出虚拟节点的概念,利用图池化技术过滤不重要的节点,学习推理过程中知识图谱的状态;设计基于注意力机制和层次权重的解码器来优化指令生成,使推理指令更匹配问句中的关系链顺序.实验结果表明,HSG-KBQA在WebQuestionsSP数据集上取得了71.3%的Hits@1分数,在PathQuestions数据集上取得了97.3%(PQ-2H)和89.7%(PQ-3H)的Hits@1分数,均优于对照基准模型,表明HSG-KBQA模型在KBQA任务中具有更好的性能.

    知识图谱问答问答系统多跳问答图神经网络动态推理

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 维普
    • 万方数据

    基于不一致近邻的模糊粗糙集特征选择

    赵洁叶文浩梁周扬陈建新...
    110-119页
    查看更多>>摘要：模糊粗糙集可突破经典粗糙集仅能处理离散数据的局限,有效对连续型数值进行特征选择.然而,模糊粗糙集以对象为中心计算,时间复杂度高,难以处理高维和大规模数据.为此,基于水平截集提出一种不一致近邻加速策略.该策略跟踪论域中每个对象的模糊近邻集,持续删减其中不影响计算的近邻,若对象的不一致近邻删减至空,则删减该对象,从而提高算法效率.同时,设计一种基于不一致近邻递减的属性重要度,可有效抑制冗余特征入选,提升效率及分类精度.通过理论证明,所提的加速策略及属性重要度不影响属性入选的次序.在此基础上,提出新的模糊粗糙集特征选择算法.在9个UCI和scikit数据集上进行验证,实验结果表明,该算法不仅有效缩短运行时间,并可取得较高的分类精度,相比FA-FSCE、AVDP和IV-FS-FRS-2算法,运行时间至少可缩短9.44%,尤其在高维和大规模数据上可缩短 61.01%～99.54%,在支持向量机和K-近邻算法的分类精度上最高可分别提高11.20%和19.95%.

    模糊粗糙集特征选择水平截集不一致近邻属性重要度

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 维普
    • 万方数据

    基于多视图融合跨层对比学习的推荐算法

    顾嘉静杨丹聂铁铮寇月...
    120-128页
    查看更多>>摘要：现有基于图对比学习的推荐模型在图数据增强方面通常只采用一种视图增强方法,忽略了单一方法存在的局限性,在对比学习方面通常只对比同一节点的一对视图,未充分利用各个视图不同的层嵌入.为此,提出一种基于多视图融合跨层对比学习的推荐算法框架(MFCCL).MFCCL分别使用随机边丢弃和随机添加噪声的增强方法构建2个全局视图,使用奇异值分解的方法构建局部视图,通过3种不同的视图增强方法构造全局和局部共3个视图,以实现有效的用户表示.同时,提出一种新的多视图融合跨层对比学习方法,该方法将2个全局视图不同的层嵌入通过平行和交叉2种方式进行融合后作对比,以获取更多的特征信息.将多视图融合跨层对比学习与全局-局部视图对比学习相结合,联合优化模型,从而提升推荐性能.在Yelp、Tmall和Amazon-book这3个公开数据集上进行实验,结果表明,MFCCL在推荐任务中具有有效性和可行性,相较于对比模型中性能最优的基线模型SimGCL,MFCCL在 3 个数据集中的Recall@20 增益分别达到 15.0%、13.3%和 28.7%,NDCG@20 值分别提升14.3%、13.2%和29.6%.

    图神经网络对比学习视图增强多视图融合推荐算法

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 维普
    • 万方数据