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

    教育知识图谱:研究进展与未来发展——基于2013-2023年中文核心期刊载文的分析

    李惠乾钟柏昌
    1-12页
    查看更多>>摘要：知识图谱与教育教学的深度融合推动了智慧教育的发展。目前有关教育知识图谱的文献综述较为缺乏，有必要从研究规范性及内容视角方面进行补充完善。利用系统性文献综述法对近10年发表的55篇中文核心期刊文献进行统计分析后发现:在关键技术方面，教育知识图谱构建主要包含本体构建、知识抽取、知识表示、知识融合和知识推理5项技术，深度学习方法逐渐成为研究热点;在应用场景方面，教育知识图谱覆盖个性化学习推荐、智能问答(Q&A)、教学资源管理、智能搜索、智能学情诊断和课堂教学分析6类场景，应用的广度和深度不断拓展;在应用效果方面，教育知识图谱促进了学习者个性化学习和碎片化泛在学习，提升了学习者的学习绩效和教师的专业素养;在问题与挑战方面，教育知识图谱存在数据模态单一与缺乏优质数据集、自动化程度低与技术存在边界性、知识建模难度高与能力关照不足、缺乏互操作标准与教育应用率低等问题。后续研究将从完善理论与建立标准、优化技术与精准建模、强化应用与提升效果等方面进行深化。

    教育知识图谱构建技术应用场景应用效果问题与挑战

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

    基于图神经网络和多主体评价的教学资源推荐

    何杏宇周易歆罗东旭杨桂松...
    13-22页
    查看更多>>摘要：在现有的教学资源推荐系统中算法和模型不断进步，但推荐策略仍然停留在学生偏好分析或内容相关性计算两方面，忽略了教学资源推荐中授课教师对教学目标的掌控以及企业导师的实践价值引导作用。为此，提出一种基于图神经网络和多主体评价的教学资源推荐方法，综合考虑学生、教师和企业导师3个主体的评价，并解决多主体评价导致的小样本问题。首先，构建包含教学资源和知识点的异质图，通过异质图嵌入分别获取教学资源和知识点的特征向量表征，计算教学资源与知识点的相关性;然后，设计多主体评价机制，分别制定针对学生、教师和企业导师3个不同主体的细粒度评价指标，利用基于图神经网络的小样本学习(GNN-FSL)模型获取不同主体对教学资源的评分向量估计;最后，利用注意力机制来综合不同主体的评分向量估计以及教学资源与知识点的相关性对推荐结果的影响。实验结果表明，该方法在小样本训练中具有较好的评分向量估计准确度优势，并且融合多个主体评价和增加细粒度多主体评价指标的两大措施均对提升推荐准确度和学习成绩具有显著作用。

    教学资源推荐图神经网络评价多主体小样本

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

    融入课程知识图谱的KMAKT预测

    王炼红林飞鹏李潇瑶谌桂枝...
    23-31页
    查看更多>>摘要：现有多数深度知识追踪模型的知识追踪结果的可解释性弱，且忽视了习题与知识点的内在关联性对知识追踪效果与预测结果的影响。针对上述问题，提出一种用于学生表现预测的结合课程知识图谱与多头注意力机制的知识追踪(KMAKT)模型。首先，采用Word2Vec和双向长短期记忆(BiLSTM)网络将习题作答序列数据转换为低维稠密向量，利用图嵌入模型TransR进行课程知识图谱嵌入表示，并使用多头注意力机制计算过往习题作答序列对当前知识状态的贡献程度;然后，通过注意力网络挖掘前驱知识对预测结果的影响程度;最后，通过多层神经网络获取预测结果，提高模型的可解释性与预测精度。实验结果表明，KMAKT 模型在ASSISTments2017数据集上的受试者工作特征曲线下的面积(AUC)、准确率和F1值相比于深度知识追踪(DKT)模型分别提升了约5。20、4。20和2。40个百分点，具有较好的预测性能。在湖南大学信号与系统(HNU_SYS)子数据集上的知识追踪可视化结果验证了KMAKT模型的知识追踪结果符合教育学认知规律且具备一定程度的可解释性。

    表现预测课程知识图谱注意力机制知识追踪长短期记忆网络语义特征

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

    基于大语言模型的教育文本幂等摘要方法

    杨兴睿马斌李森垚钟忺...
    32-41页
    查看更多>>摘要：大语言模型在自然语言处理领域蓬勃发展，但在教育数字化领域应用过程中仍面临一系列重要挑战。针对教育数字化领域垂域数据稀缺、摘要长度不稳定导致信息缺失或冗余的问题，提出一种用于教育领域文本摘要的轻量化幂等模型框架IGLM。该模型首先采用多源训练进行自适应扩增以提升数据多样性，然后对下游的文本摘要任务进行多种微调。同时，为降低文本长度的影响，设计幂等摘要生成策略拉近初次摘要与幂等摘要来约束模型，减少语料分布不均导致的偏见，结合量化技术在低资源条件下生成更为精确和流畅的摘要文本。实验以ROUGE分数为评估指标，在公开中文文本摘要数据集LCSTS、EDUCATION、NLPCC上进行验证。实验结果表明，该框架在生成摘要的准确率和流畅性上有明显提升，其中ROUGE-1/2/L相较基线模型在LCSTS数据集上分别提升7。9、7。4、8。7个百分点，在EDUCATION数据集上分别提升12。9、15。4、15。7个百分点，在NLPCC数据集上分别提升12。2、11。7、12。7个百分点，验证了模型有效性。

    教育数字化文本摘要大语言模型低资源场景幂等扩增

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

    基于大语言模型的个性化实验报告评语自动生成与应用

    翟洁李艳豪李彬彬郭卫斌...
    42-52页
    查看更多>>摘要：在计算机实验报告评阅过程中，不同的实验报告评价体系呈现出多样性和差异性，固化的实验评语模板缺乏个性化的内容，评价结果往往未给出可解释性的依据。针对以上问题，提出基于大语言模型的个性化实验报告评语自动生成框架。通过主题-评估决策-集成提示策略，从教师的实验需求、代码质量需求中抽取该实验特有的评价体系，形成评估决策树，构建计算机软件方向课程共享的评估决策树库。设计基于大语言模型和决策树的实验要求、代码质量主题评级方法，从评估决策树库检索匹配学生实验报告内容的评估决策树，结合实验报告和代码文本，自动生成实验主题、代码质量主题定量或定性的评级结果及对应的可解释性依据。在实验报告模板中融入学生已完成的实验任务、主题评级结果、评价依据等，生成个性化的实验评语。实验结果表明，基于主题-评估决策-集成提示策略的决策树生成结果明显优于未用提示的方法，该策略各部分具有一定的有效性和合理性，同时自动生成的评级结果和教师原先批阅的评阅结果对比，软件测试、面向对象程序设计、电商金融课程示例匹配正确率均达到90%以上。从任课教师对于自动生成的评语评分分析，评语在流畅性、相关性、合理性3个维度上达到了较高的质量水平。

    大语言模型实验评估决策树个性化评语自动生成代码质量评价

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

    融合思维链和低秩自适应微调的方面情感三元组抽取

    曾碧卿陈鹏飞姚勇涛
    53-62页
    查看更多>>摘要：方面情感三元组抽取(ASTE)任务是方面级情感分析的重要子任务之一，传统的监督学习方法在该任务上取得了SOTA或接近SOTA的效果。然而，随着深度神经网络的发展，生成式大型语言模型(LLM)为该任务带来了更多的可能性。目前大多数工作都是直接对LLM进行微调，但是忽略了LLM的幻觉现象，导致性能下降。提出一种融合思维链技术和LLM低秩自适应(LoRA)微调LFC方法，实现生成式的ASTE新范式，以提升任务性能。在LFC中，首先基于思维链技术，通过人工构造少量推理样本，并利用LLM生成具有推理结构的增强数据集。将增强数据集用于微调ChatGLM3-6B模型的学习。在微调过程中，采用LoRA微调技术提高在低资源环境下适配ASTE任务的效果。实验结果表明，LFC方法相比于最优的基线模型在Res14、Lap14、Res15和Res16 4个数据集上的F1值分别提升8。37、12。31、11。07和8。43个百分点，该方法不仅能够准确地识别三元组，而且在一定程度上优化了LLM的幻觉现象。

    方面情感三元组抽取大型语言模型低秩自适应微调思维链提示学习

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

    基于类比学习的数学应用题求解模型

    林加艺夏鸿斌刘渊
    63-70页
    查看更多>>摘要：目前基于类比学习的数学应用题(MWP)求解的研究多从语义相似度或浅层逻辑来筛选样本，存在样本匹配度不足以及样本选取局限于数据集的问题。针对以上问题，提出一种新的基于类比学习的数学应用题求解(MWP-AL)模型。该模型主要从2个角度对数学应用题进行类比学习。从文本编码的角度进行样本筛选，从余弦相似度、树解顶节点以及树深度3个维度对样本进行限制。该方法从语义层面以及深层逻辑方面对样本进行选取，得到的样本与原题的匹配度更高。从解方程的角度进行样本构建，从方程本身出发，针对不同类型的方程在逻辑方面对其进行变体从而构建样本。该方法不局限于从数据集中选取样本，具有较强的泛化性。通过计算交叉熵损失函数对这2种样本进行类比学习。实验结果表明，在2个基线模型上加入MWP-AL模型后，其在英文数据集MathQA和中文数据集Math23K上的准确率分别提升了1。8、2。5和2。8、1。3个百分点，同时较其他基线模型均有所提升。

    类比学习数学应用题求解语义相似度样本筛选样本构建

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

    特征融合下田径录像3D人体动作DTW捕捉算法

    谭巨全王然
    71-78页
    查看更多>>摘要：由于不同运动员的动作风格和速度不同，导致田径录像中记录的不同运动员的人体动作序列在时间长度上存在差异，从而产生不同长度序列之间的不对齐问题。为此，提出特征融合下田径录像三维(3D)人体动作动态时间规整(DTW)捕捉算法。将田径录像中提取的人体动作数据转换为3D坐标序列，表示人体各部位的位置和动作，获取人体动作的深度图序列，利用梯度局部各向异性系数(GLAC)和稀疏时间梯度自相关(STACOG)分析深度图局部区域的梯度特性以及时间自相关性。利用Canny算子提取每帧深度图的边缘轮廓，结合小波变换和k-means聚类分析人体轮廓的动态变化特征。通过Kinect设备获取人体骨骼点的3D坐标信息，采用主成分分析(PCA)方法将3D空间坐标、关节角度等多个特征融合到一个特征空间中，通过补帧和删帧操作进行预处理，选择最重要的主成分构建新的低维特征空间。利用DTW计算视频序列的相似性，从而捕捉田径录像中不同长度序列的3D人体动作。实验结果表明，该算法捕捉田径录像3D人体动作的准确程度高达99。07%，面对复杂程度较高的动作时，该算法捕捉到的人体动作与实际动作的相似度始终保持在97%以上。此外，所提算法提取到的人体动作轮廓特征线条流畅、连续，且与实际动作高度一致。

    特征融合田径录像3D人体动作动态时间规整算法动作捕捉

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

    基于长时跟踪的滑雪教学姿态辅助矫正方法

    张朋严盼盼乔凤杰
    79-86页
    查看更多>>摘要：在滑雪教学过程中，由于学员的迅速移动和姿态的大幅变化，导致以短时智能图像变化特征为主的姿态跟踪算法失效或不稳定，特别是在雪地条件恶劣或光线不足等复杂环境下，跟踪效果会受到较大的影响。为此，提出基于长时跟踪的滑雪教学姿态辅助矫正方法。使用递归最小二乘法(RLS)分类器训练得到学员姿态位置核相关滤波器(KCF)。计算最大的KCF响应值，精确检测学员的姿态位置。如果KCF结果低于经验阈值，表明目标丢失，启动再检测模块。利用光流法在前一帧学员姿态位置附近寻找当前帧中的姿态位置，以获取一个大致位置。在此位置重新应用跟踪器，获得精确的学员姿态位置，实现长时跟踪。依据得到的姿态位置数据，构建滑雪学员姿态误差补偿模型，提取学员身体的运动参数和姿态误差。通过计算身体运动参数，并结合KCF构建滑雪学员身体姿态辅助矫正模型，从而完成滑雪教学的姿态辅助矫正。实验结果表明，该方法在长时跟踪中展现出高度的有效性、可靠性和稳定性，其平均PCK指标达到92。3%，同时在目标跟踪效率上，参数量和计算量分别为30。24 MB和9。26 GFLOPs，速度达到142帧/s，实现了高效实时的跟踪，验证了该方法在滑雪教学姿态辅助矫正中的可行性。

    长时跟踪滑雪教学姿态辅助矫正相关滤波器误差补偿运动参数

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

    联合语义提示和记忆增强的弱监督跳绳视频异常检测方法

    周炫余吴莲华郑勤华肖天星...
    87-95页
    查看更多>>摘要：面向全国的学生综合评价与发展平台采集了百万级学生跳绳运动数据用于中小学生身体素质测评，然而在采集的跳绳视频中存在着非跳绳视频、人物未全身出镜等不符合拍摄要求的各类异常视频，严重影响了后续学生身体素质测评模型的准确性和鲁棒性。针对上述问题，提出一种联合语义提示和记忆增强的弱监督跳绳视频异常检测方法。该方法首先提取正常跳绳视频和异常跳绳视频的视觉特征，将正常特征和异常特征成对训练，增强模型对异常视频特征的感知能力;其次设计两个自监督记忆网络分别存储和分离正常视频和异常视频的特征，进一步增强模型的特征表达能力;最后引入提示学习方法迁移大规模预训练模型中的多种跳绳异常类型的语义先验知识，增强模型在样本不足的情况下对多种异常类型语义信息的理解。实验结果表明，该方法在自建的跳绳异常检测数据集(SRAD)上的AUC为94。14%，相较于基准方法提升了2。71个百分点，具有较高的准确性。该方法对实现身体素质的智能测评、推动教育评价改革具有重要意义。

    视频异常检测提示学习记忆网络弱监督学习身体素质测评

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