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

    基于双嵌入卷积神经网络的涉案微博评价对象抽取

    王晓涵谭陈琛相艳余正涛...
    319-323页
    查看更多>>摘要：涉案微博的评价对象抽取是一个特定领域的任务,其评价对象词表达多样且含义与通用领域不同,仅依赖于通用领域的词嵌入无法很好地表征这些评价对象词.为此,提出了一种综合利用领域词嵌入和通用词嵌入的涉案微博评价对象抽取方法.首先对涉案微博文本进行预训练,得到具有涉案领域特征的嵌入层,其次将微博评论分别输入两个嵌入层,得到不同领域对评价对象的表征结果并进行拼接操作,然后通过卷积层抽取出与案件相关的特征,最后利用分类器对序列进行标记,以提取涉案微博评价对象.实验结果表明,所提方法的F1值在#重庆公交车坠江案#和#奔驰女司机维权案#的两个数据集上分别达到了72.36％和71.02％,较现有的基准模型有所提升,验证了不同领域词嵌入对涉案微博评价对象抽取的影响.

    微博评价对象抽取双嵌入卷积神经网络

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

    多域SFC部署中基于强化学习的多目标优化方法

    王珂曲桦赵季红
    324-330页
    查看更多>>摘要：随着网络虚拟化技术的发展,多域网络中的服务功能链部署为服务功能链优化部署问题带来了新的挑战.传统的部署方法通常对单一目标进行优化,不适用于多目标优化问题,且无法对优化目标间权重进行衡量及平衡.因此,为了对大规模服务功能链部署请求下的时延、网络负载均衡性及接受率进行同步优化,提出了一种数据归一化处理方案,并设计了基于强化学习的两步SFC部署算法.该算法以传输时延与负载均衡性为反馈参数,平衡了两者的权重关系,并对其进行了同步优化,同时利用强化学习框架优化了SFC接受率.实验结果表明,所提算法在大规模请求数下,相比时延感知方法时延降低了71.8％,相比多域部署方法接受率提高了4.6％,相比贪心算法平均负载均衡性提高了39.1％,保证了多目标优化效果.

    多域服务功能链数据归一化强化学习多目标优化

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

    面向法律裁判文书的生成式自动摘要模型

    周蔚王兆毓魏斌
    331-336页
    查看更多>>摘要：当前面向中文内容的自动摘要模型应用于法律裁判文书时,主要采用抽取式方法进行摘要.但由于法律文本比较冗长、结构化程度较低,抽取式摘要的精准度和可靠性有所欠缺.为了获得法律裁判文书的高质量文本摘要,文中提出了一种生成式多模型融合的自动摘要方法.在Seq2Seq模型的基础上,引入注意力(attention)机制,同时通过Bert预训练和强化学习等方法,结合选择门技术,提出了BASR(Bert Based Attention Seq2Seq Reinforced Model)模型.将50000篇法律裁判文书作为语料,以小额诉讼和简易程序类型的裁判文书为代表性研究对象,实验结果证明新模型有较好的效果,在ROUGE评价中相比传统的Seq2Seq+Attention模型取得了均值5.81％的性能提升.

    裁判文书自动摘要模型融合Seq2Seq注意力机制强化学习

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

    基于非均衡数据层次学习的案件案由预测方法

    曲浩崔超然王萧萧苏雅茜...
    337-342页
    查看更多>>摘要：案件案由是对案件所涉及法律关系性质的描述,科学、完善的案由设置有利于正确适用法律,是人民法院实行案件分类管理的重要途径.案件案由预测技术指基于案件案情的文本描述由计算机自动给出案件所属类别.在案件属性预测研究中,由于低频类别的样本数量较少且难以学习相关特征,因此已有方法在数据处理部分通常会对低频类别样本进行剔除.然而,在案件案由预测问题中,关键的挑战正是如何对属于低频案由的案件做出准确预测.为此,文中提出了一种基于非均衡数据层次学习的案件案由预测方法.在案件案由预测中,根据案由层次结构将案由划分为一级案由和二级案由,二级案由中的大量尾部类别被汇聚成上层样本数较多的大类,进而通过层次学习的方式来实现二级案由的预测,使二级案由有一级案由的信息支撑.最后,引入调整数据不平衡的损失函数来实现案件案由的预测.实验结果表明,所提方法整体优于对比方法,其平均精确率比现有方法提高了4.81％,这表明通过层次学习和引入非均衡数据损失函数能较好地解决案件案由预测问题.

    案由预测非均衡数据层次学习损失函数

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

    基于MFCC特征的声纹同一性鉴定方法

    王学光诸珺文张爱新
    343-348页
    查看更多>>摘要：声纹作为当代司法鉴定技术发展的产物,在现代声像资料鉴定中发挥了至关重要的作用.传统的声纹分析方法是基于声音处理工具进行手工分析的,考虑到其具有严格的文本相关性以及比对的臆断性的缺点,其作为证据鉴定意见的证明力有待加强.文中提出了一种基于Mel频率倒谱系数的同一性鉴定方法,即提取并量化包含原始声音的共振峰及其时间轴信息的包络作为声纹特征进行同一性比对.此方法改进了传统Mel频率倒谱系数的不足,提取共振峰的突变并将元音与响辅音的转变特性加入声纹特征,以提高其识别度.实验证明,此方法在检材与样本无关的情况下,同一性鉴定的准确率达到了85％,方差控制在9％左右,具有良好的同一性识别;而在非同一性鉴定中,该方法也能在结合人工分析的情况下给出较准确的结果.

    MFCC特征Mel频率倒谱系数同一性鉴定证明力补强

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

    基于时间因子和复合CNN结构的网络安全态势评估

    赵冬梅宋会倩张红斌
    349-356页
    查看更多>>摘要：为了解决传统的网络安全态势感知研究方法在网络信息复杂情况下准确率不高等缺陷,文中结合深度学习,提出了一种基于时间因子和复合CNN结构的网络安全态势评估模型,将卷积分解技术和深度可分离技术相结合,形成4层串联复合最优单元结构;将一维网络数据转换为二维矩阵,以灰度值的形式载入神经网络模型,从而有效发挥卷积神经网络的优势.为充分利用数据间的时序关系,引入时间因子形成融合数据,使网络同时学习具备时序关系的原始数据和融合数据,增强模型的特征提取能力,同时利用时间因子和点卷积建立时序数据的空间映射,提高模型结构的完整性.实验结果证明,所提模型在两个数据集上的准确率分别达到了92.89％和92.60％,相比随机森林和LSTM算法提升了2％～6％.

    态势感知卷积网络时间因子深度可分离卷积卷积分解

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

    基于SSC-BP神经网络的异常检测算法

    石琳姗马创杨云靳敏...
    357-363页
    查看更多>>摘要：针对物联网环境下产生的新型网络攻击的数量持续上升和复杂性不断升高,传统的异常检测算法误报率高、检测率低以及数据量大而造成计算困难等问题,提出了一种基于子空间聚类(Subspace Clustering,SSC)和BP神经网络相结合的异常检测算法.首先在网络数据集上通过子空间聚类算法中最常用的CLIQUE算法得到不同的子空间;其次对不同子空间中的数据进行BP神经网络异常检测,计算预测误差值,通过与预先设定好的精度进行比较,来不断更新阈值进行修正,以达到提高识别网络攻击的能力.仿真实验采用NSL-KDD公开数据集和物联网环境下的网络攻击数据集,将NSL-KDD公开数据集分割为4种单一攻击子集和1种混合攻击子集,通过与K-means,DBSCAN,SSC-EA以及k-KNN异常检测模型进行比较,在混合攻击子集中,SSC-BP神经网络模型的检测率比传统的K-means模型的检测率提高了6％,误检率降低了0.2％;而在4种单一攻击子集中,SSC-BP神经网络模型都能以最低的误检率检测出最多的受到攻击的网络.在物联网环境下的网络攻击数据集上,SSC-BP神经网络模型的性能均优于其他几种对比模型.

    子空间聚类BP神经网络异常检测新型网络攻击

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

    投稿须知

    封3页
      原文链接:
    • NETL
    • NSTL
    • 万方数据