首页期刊导航|计算机科学
期刊信息/Journal information
计算机科学
计算机科学

朱完元

月刊

1002-137X

jsjkx12@163.com

023-63500828

401121

重庆市渝北区洪湖西路18号

计算机科学/Journal Computer ScienceCSCD北大核心CSTPCD
查看更多>>本刊的读者对象是：大专院校师生，从事计算机科学与技术领域的科研、生产人员。办刊宗旨是：坚持“双百”方针，活跃计算机科学与技术领域的学术气氛，重点报导国内外计算机科学与技术的发展动态，为我国的计算机科学与技术立于世界之林、达到国际先进水平奋斗而矢志不渝。
正式出版
收录年代

    布洛托上校博弈模型及求解方法研究进展

    罗俊仁邹明我陈少飞张万鹏...
    84-98页
    查看更多>>摘要：对抗条件下的资源分配是大多数博弈决策问题的核心.从拟合最优解到博弈均衡解,基于博弈论的资源分配策略求解是认知决策领域的前沿课题.文中围绕对抗条件下资源分配的布洛托上校博弈模型和求解方法展开综述分析.首先,简要介绍了离线与在线策略学习的区别,策略博弈与相关解概念,在线优化与遗憾值;其次,梳理了 6类布洛托上校博弈典型模型(连续布洛托上校博弈、离散布洛托上校博弈、广义布洛托上校博弈、广义乐透布洛托博弈、广义规则布洛托上校博弈与在线离散布洛托上校博弈);然后,区分2个阶段(离线与在线)3类博弈场景(单次、重复、多阶段),分析了多类布洛托上校博弈求解方法;最后,从典型应用探索、广义博弈模型、博弈求解方法、未来研究展望共4方面进行了未来研究前沿分析及展望.通过对当前布洛托上校博弈进行概述,期望能为对抗条件下资源分配与博弈论相关领域的研究带来启发.

    资源分配布洛托上校博弈近似纳什均衡在线凸优化期望遗憾高概率遗憾

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    信息传播网络推断综述

    王宇辰高超王震
    99-112页
    查看更多>>摘要：信息的传播扩散可以建模为在潜在传播网络上发生的随机过程.由于在实际应用场景中,潜在的传播网络拓扑结构和清晰的传播过程往往是不可见的,因此根据观测到的传播结果,如节点感染时间、状态等信息,推断传播网络拓扑结构,对于分析与理解传播过程、跟踪传播路径以及预测未来传播事件起着重要作用.近年来,传播网络推断问题吸引了众多研究者的 目光.文中对近年来的信息传播网络推断工作进行系统性的介绍和总结,为传播网络推断提供一个新视角.

    传播网络网络推断信息传播信息级联关系推断

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    锚社区时序网络图生成算法

    郑舒文王朝坤
    113-123页
    查看更多>>摘要：图数据相关分析任务往往需要合成数据集来检验和评估算法的有效性和高效性.真实世界图数据不仅在拓扑上具有社区结构特征,还往往在时序上呈现出一定的演化特性,社区节点可能在锚定时间窗口内频繁交互.然而,现有合成方法存在一定局限性.大多方法或仅关注网络中的社区结构,或仅关注网络中的时序信息,无法生成节点锚时频繁交互的社区.为克服此局限,提出了锚社区概念及定义以刻画社区内节点锚时频繁交互的特性;接着,基于分布概率生成模型提出了一般时序图生成算法;进一步地,提出了锚社区时序网络图生成算法(GTN-AC),不仅允许用户配置锚定时间窗口,还允许用户指定度数分布和时间戳分布.实验结果表明,相较于基准方法,GTN-AC能在保证较优生成质量的同时拥有较快的生成速度.

    时序网络锚定时间窗口锚社区分布概率生成模型图生成

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    许可链下的事务并行执行模型

    董昊赵恒泰王子尧袁野...
    124-132页
    查看更多>>摘要：现有的许可链系统大多采取串行的事务执行方式,无法利用多核处理器的性能优势.在共识算法性能较高的许可链中,这种串行的事务执行方法将会成为性能瓶颈.为降低排序-执行-验证架构的许可链中事务执行的时间开销,文中提出了两种事务并发模型.首先,提出了基于地址表的并行执行模型,通过静态分析的方法将事务的读写集映射到地址表中,并利用地址表构建调度图实现无数据冲突的事务并行执行;其次,针对静态分析方法不适用于读写需求复杂的应用场景,提出了基于多版本时间戳排序的并行执行模型,领导者节点使用多版本时间戳排序算法并行地预执行事务并将调度图以事务依赖三元组的形式存储入区块,所有验证节点通过事务依赖三元组进行调度,在保证一致性的前提下实现事务的并行执行;最后,在Tender-mint中实现了所设计的两种事务并发模型,并进行了事务执行阶段性能测试和多节点性能测试.实验结果表明,相比串行执行,所提模型在单节点8线程时的事务执行时间分别减少了 68.6％和28.5％,4节点8线程时区块链吞吐量分别提升了约43.4％和 19.5％.

    区块链实用拜占庭容错事务并发多版本时间戳排序Tendermint

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于知识图谱的兴趣捕捉推荐算法

    金宇陈红梅罗川
    133-142页
    查看更多>>摘要：知识图谱作为一种辅助信息,可以为推荐系统提供更多的上下文信息和语义关联信息,从而提高推荐的准确性和可解释性.通过将项 目映射到知识图谱中,推荐系统可以将从知识图谱中学习到的外部知识注入到用户和项 目的表示中,进而增强用户和项 目的表示.但在学习用户偏好时,基于图神经网络的知识图谱推荐主要通过项 目实体利用知识图谱中的属性信息和关系信息等知识信息.由于用户节点并不与知识图谱直接相连,这就导致不同的关系信息和属性信息在语义上和用户偏好方面是独立的,缺乏关联.这表明,基于知识图谱的推荐难以根据知识图谱中的信息来准确捕获用户的细粒度偏好.因此,针对用户细粒度兴趣难以捕捉的问题,提出了 一种基于知识图谱的兴趣捕捉推荐算法.该算法利用知识图谱中的关系和属性信息来学习用户的兴趣,并增强用户和项 目的嵌入表示.为了充分利用知识图谱中的关系信息,设计了关系兴趣模块以学习用户对不同关系的细粒度兴趣.该模块将每个兴趣表示为知识图谱中关系向量的组合,并利用图卷积神经网络在用户项目图和知识图谱中传递用户兴趣以学习用户和项 目的嵌入表示.此外,还设计了属性兴趣模块以学习用户对不同属性的细粒度兴趣.该模块采用切分嵌入的方法为用户和项 目匹配与之相似的属性,并使用与关系兴趣模块中相似的方法进行消息传播.最终,在两个基准数据集上进行实验,实验结果验证了该方法的有效性和可行性.

    推荐算法深度学习知识图谱图神经网络

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于异质图神经网络预训练的多标签文档分类研究

    吴家伟方全胡骏钱胜胜...
    143-149页
    查看更多>>摘要：多标签文档分类是一种将文档实例与相关标签相关联的技术,近年来受到越来越多研究者的关注.现有的多标签文档分类方法尝试探索文本之外的信息的融合,如文档元数据或标签结构.然而,这些方法要么简单地利用元数据的语义信息,要么没有考虑标签的长尾分布,因此忽略了文档及其元数据之间的高阶关系和标签的分布规律等信息,从而影响到多标签文档分类的准确性.因此,文中提出一种新的基于异质图神经网络预训练的多标签文档分类方法.该方法通过构造文档与其元数据的异质图,采用两种对比学习预训练方法捕获文档与其元数据之间的关系,并通过平衡标签长尾分布的损失函数来提高多标签文档分类的准确性.在基准数据集上的实验结果表明,所提方法的准确率比Transformer提高了 8％,比BertXML提高了4.75％,比 MATCH 提高了 1.3％.

    多标签文档分类元数据异质图神经网络预训练长尾分布

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于深度学习的图像数据增强研究综述

    孙书魁范菁孙中强曲金帅...
    150-167页
    查看更多>>摘要：近年来,深度学习在图像分类、目标检测、图像分割等诸多计算机视觉任务中都取得了出色的性能表现.深度神经网络通常依靠大量的训练数据来避免过拟合,因此,出色的性能背后离不开海量图像数据的支持.但在很多实际应用场景中,通常很难获取到足够的图像数据,并且数据的收集也是昂贵且耗时的.图像数据增强的出现很好地缓解了数据不足的问题,作为增加训练数量、提升数据质量和多样性的有效途径,数据增强已成为深度学习模型在图像数据上成功应用的必要组成部分,理解现有算法有助于选择适合的方法以及开发新算法.文中阐述了图像数据增强的研究动机,对众多的数据增强算法进行了系统分类,详细分析了每一类数据增强算法;随后指出数据增强算法设计时的一些注意事项及其应用范围,并通过3种计算机视觉任务证明了数据增强的有效性;最后总结全文并对数据增强未来的研究方向进行展望.

    图像增强深度学习数据增强计算机视觉人工智能生成对抗网络

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    面向多视角对比学习和语义增强的多模态预训练方法

    汤嘉郭燕叶名玮吴桂兴...
    168-174页
    查看更多>>摘要：视觉语言预训练(VLP)模型通过对比学习等方法,在多模态任务上表现出了优异的性能.然而现有研究忽视了多视角描述带来的好处,以及语义和语法的重要性.为了解决这一问题,文中提出了多视角对比学习和语义增强多模态预训练(Multi-view learning and Semantic Enhancement for Multimodal pre-training,MulSE)模型.MulSE 主要分为 3 个部分:1)在融合编码器模型中,引入带有生成器的多视角对比学习;2)提出了一种新的自监督视觉语言预训练任务——多模态文本重排序;3)增加并探寻最优MLM掩码比例,最大化利用视觉信息的能力.通过改进预训练任务,采取多种最优策略,并通过实验验证MulSE增强了模态内部和模态间的理解能力以及对文本语法和语义的理解能力.预训练仅用4 × 106的数据量,在图文检索任务中就达到了先前大型数据集的效果,且其在视觉问答和视觉蕴含任务上的评估效果优于先前的理解式VLP模型.

    计算机视觉多模态预训练多视角理解增强

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    一种多深度特征连接的红外弱小目标检测方法

    王维佳熊文卓朱圣杰宋策...
    175-183页
    查看更多>>摘要：针对红外弱小 目标像元数量少、图像背景复杂、检测精度低且耗时较长的问题,文中提出了一种多深度特征连接的红外弱小 目标检测模型(MFCNet).首先,提出了多深度交叉连接主干形式以增加不同层间的特征传递,增强特征提取能力;其次,设计了注意力引导的金字塔结构对深层特征进行目标增强,分离背景与 目标;提出非对称融合解码结构加强解码中纹理信息与位置信息保留;最后,引入点回归损失得到中心坐标.所提网络模型在SIRST公开数据集与 自建长波红外弱小目标数据集上进行训练并测试,实验结果表明,与现有数据驱动和模型驱动算法相比,所提算法在复杂场景下具有更高的检测精度及更快的速度,模型的平均精度相比次优模型提升了 5.41％,检测速度达到100.8FPS.

    红外弱小目标深度学习目标检测特征连接注意力机制

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于加权损失的点云占用图视频上采样

    陈航李礼刘东李厚强...
    184-189页
    查看更多>>摘要：基于视频的点云压缩标准(Video-based Point Cloud Compression,V-PCC)中,3D点云会被分成数百个块并投影到2D平面中,形成记录点云纹理信息的纹理视频和记录点云空间信息的几何视频.同时,还需要生成一个占用图视频(Occupancy Map Video),以记录纹理视频和几何视频中每一个像素点是否对应重建点云中的某个点.因此,占用图视频质量与重建点云质量直接相关.为了节约编码比特数,占用图视频在编码端会先被下采样,然后在解码端通过简单的上采样恢复到原分辨率.文中的基本思路是引入深度学习来代替V-PCC中的简单上采样方法,使得上采样后的占用图视频质量更高,从而提高点云的重建质量.在网络训练阶段提出使用加权损失函数,使得在重建点云时能尽可能少地移除正常点并尽可能多地移除噪声点.实验结果证明,所提方法可以大幅提升V-PCC的主客观性能.

    点云压缩基于视频的点云压缩标准占用图视频视频上采样加权失真损失

      原文链接:
    • NETL
    • NSTL
    • 万方数据