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

    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

    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

    基于对比学习和注意力机制的文本分类方法

    钱来赵卫伟
    104-111页
    查看更多>>摘要：文本分类作为自然语言处理领域的基本任务,在信息检索、机器翻译和情感分析等应用中发挥着重要作用.然而大多数深度模型在预测时未充分考虑训练实例的丰富信息,导致学到的文本特征不够全面.为了充分利用训练实例信息,提出一种基于对比学习和注意力机制的文本分类方法.首先,设计一种有监督对比学习训练策略,旨在优化模型对文本向量表征的检索,提高模型在推理过程中检索到的训练实例的质量;然后,构建注意力机制,对获取的训练文本特征进行注意力分布学习,聚焦关联性更强的相邻实例信息,获得更多隐含的相似特征;最后,将注意力机制与模型网络相结合,融合相邻的训练实例信息,增强模型提取多样性特征的能力,实现全局特征和局部特征的提取.实验结果表明,所提方法在卷积神经网络(CNN)、双向长短期记忆网络(BiLSTM)、图卷积网络(GCN)、BERT和RoBERTa等多个模型上都取得了显著的性能提升.以CNN模型为例,其在THUCNews数据集、今日头条数据集和搜狗数据集上宏F1值分别提高了4.15、6.2和1.92个百分点.因此,该方法也为文本分类任务提供了一种有效的解决方案.

    文本分类深度模型对比学习近似最近邻算法注意力机制

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

    引入知识增强和对比学习的知识图谱补全

    刘娟段友祥陆誉翕张鲁...
    112-122页
    查看更多>>摘要：知识图谱补全是提高知识图谱质量的重要手段,主要分为基于结构和基于描述的方法.基于结构的补全方法对图谱中常见的长尾实体推理性能表现不佳,基于描述的补全方法在描述信息利用和负样本信息学习方面存在不足.针对上述问题,提出基于知识增强的知识图谱补全方法KEKGC.设计一种特定模板,将三元组及其描述信息通过人工定义的模板转换为连贯的自然语言描述语句输入预训练语言模型,增强语言模型对三元组结构知识与描述知识的理解能力.在此基础上,提出一种对比学习框架来提高链接预测任务的效率与准确率,通过建立记忆库存储实体嵌入向量,从中选择正负样本并结合InfoNCE损失进行训练.实验结果显示,相较于MEM-KGC,KEKGC在WN18RR数据集上链接预测任务的平均倒数秩(MRR)提升了5.5,Hits@1、Hits@3、Hits@10指标分别提升了2.8、0.7、4.2个百分点,三元组分类任务准确率达到94.1%,表明所提方法具有更高的预测准确率与更好的泛化能力,尤其对于长尾实体,能够有效提升图谱补全的效果与效率.

    知识图谱预训练语言模型链接预测对比学习实体描述

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

    增量式稀疏密度加权孪生支持向量回归机

    丁伟杰顾斌杰潘丰
    123-132页
    查看更多>>摘要：密度加权孪生支持向量回归机(DWTSVR)是一种能够反映数据内在分布的回归算法,具有预测精度高和鲁棒性强等优点,然而其并不适用于训练样本以增量形式提供的场景.针对该问题,提出一种增量式稀疏密度加权孪生支持向量回归机(ISDWTSVR).首先,辨别新增数据是否为异常样本,并赋予有效样本适当的权重,减小异常样本对模型泛化性能的影响;其次,结合矩阵降维与主成分分析思想筛选出原始核矩阵中的一组特征列向量基代替原特征,实现核矩阵列稀疏化,以获得稀疏解;接着,借助牛顿迭代法和增量学习策略对上一时刻的模型信息进行调整,实现模型的增量更新,同时结合矩阵求逆引理避免增量更新过程中直接求解逆矩阵,进一步加快训练速度;最后,在 UCI基准数据集上进行仿真实验,并与现有代表性算法进行比较.实验结果表明,ISDWTSVR继承了DWTSVR的泛化性能,在大规模数据集Bike-Sharing上,新增一个样本模型更新平均CPU时间为5.13 s,较DWTSVR缩短了97.94%,有效地解决了模型必须从头开始重新训练的问题,适用于大规模数据集的在线学习.

    孪生支持向量回归机增量学习稀疏化密度加权牛顿迭代法

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

    基于通道相似度熵的卷积神经网络裁剪

    耿丽丽牛保宁
    133-143页
    查看更多>>摘要：卷积神经网络(CNN)中包含大量滤波器,参数训练以及存储占用大量内存资源.裁剪滤波器是减小网络规模、释放内存、提高计算速度的有效方法.现有滤波器裁剪方法的主要问题是将滤波器权值作为孤立的数值计算,裁剪小权值滤波器,保留权值大的滤波器,忽视了部分小权值滤波器在特征提取过程中的重要性.通过分析滤波器通道之间的相似性,提出一种基于通道相似度的滤波器熵值计算方法(FEC).针对滤波器结构特征,对权值张量进行均值压缩,并证明其合理性.先计算滤波器通道距离判断通道之间的相似性,再根据通道相似度计算滤波器熵,由熵值大小进行滤波器排序,删除一定比例熵值较小的滤波器.实验设计针对不同卷积层采用不同的裁剪比例,在CIFAR10以及ImageNet标准数据集上对VGG-16和ResNet-34网络进行裁剪.实验结果表明:在基本保持原始准确度的情况下,分别减少了约94%和70%的参数数量;在目标检测网络SSD上参数数量减少了55.72%,平均精度均值(mAP)提高了1.04个百分点.

    卷积神经网络通道相似度熵滤波器裁剪

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