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

    多源异构数据融合关键技术与政务大数据治理体系

    闫佳和李红辉马英刘真...
    1-14页
    查看更多>>摘要：随着信息技术的飞速发展,各级政府和大型企业掌握的数据量正在以指数级别增长.然而,数据来源多样会导致格式差异,数据质量参差不齐会影响应用效果,数据分散管理会弱化关联汇集,数据形态异构会造成语义鸿沟.在此背景下,多源异构数据融合负责将来源不同的多模态数据进行有效整合,完成数据互补与关联,进而实现信息增强.目前,大多数已有研究的关注重点集中在大数据治理流程与多模态深度学习,很少有工作研究讨论完整的多源异构数据融合技术框架.因此,在综述关键技术的基础上,文中提出了 一整套涵盖"数据引接-数据清洗-数据集成-数据融合"全过程的多源异构数据融合关键技术框架,并对各个环节需要解决的问题与重点任务进行介绍.然后,通过一个政务应用实例场景,给出了政务大数据治理体系的设计,以解决政务数据来源广泛、质量参差不齐、管理分散、形态异构的问题,并进一步阐述了多源异构数据融合的重要价值.最后总结全文并展望未来.

    多源异构数据多模态数据融合数据治理技术政务大数据大数据治理流程

      原文链接:
    • 万方数据
    • 维普

    舆论动力学模型综述

    刘淑娴徐欢王微邓乐...
    15-26页
    查看更多>>摘要：社交网络为信息传播提供了媒介,导致了舆论的快速发展.控制舆论的发展方向是舆论动力学的核心问题之一.然而,舆论动力学模型主要通过研究主体意见更新的方式,来推理出舆论演化的规律.针对目前的舆论动力学模型进行了分类,分析了各自的优缺点,及其在不同领域的应用,并总结了舆论动力学的未来研究方向.该研究有助于理解舆论演化的规律,从而可以为政府等机构控制舆论导向提供较好的指导.

    舆论舆论动力学舆论演化

      原文链接:
    • 万方数据
    • 维普

    MMOS:支持超卖的多租户数据库内存资源共享方法

    徐海洋刘海龙杨超云王硕...
    27-35页
    查看更多>>摘要：多租户数据库为每个租户分配固定的资源配额,而这些资源配额通常未全部得到有效利用,这种静态分配策略导致资源利用率不高.若在不影响租户性能的前提下将未利用的空闲资源共享给其他租户使用,即实现资源超卖,则可以提高资源利用率、提升平台收益.为了支持资源超卖,需要准确预测租户的资源需求,动态地按需为租户分配资源.已有的针对多租户数据库的资源共享方法的研究对象主要是CPU资源,鲜有支持超卖的内存资源共享方法.鉴于此,在联机分析处理场景下,提出了 一种支持超卖的多租户数据库内存资源共享方法 MMOS(Multi-tenant database Memory resource Overselling and Sharing).该方法通过准确预测每个租户的内存需求区间,按照区间上限为租户动态调整内存配额,在不影响租户性能的前提下,统一管理空闲内存资源以支持更多租户,实现内存超卖.实验结果表明,MMOS在租户负载动态变化的场景下具有较好效果.在不同资源量的资源池下,支持的租户数可以增加2～2.6倍,资源利用率峰值提升175％～238％.同时,每个租户的业务与性能未受影响.

    多租户数据库资源超卖内存资源资源预测资源分配

      原文链接:
    • 万方数据
    • 维普

    基于异构特征融合的多维时间序列分类算法

    乔帆王鹏汪卫
    36-46页
    查看更多>>摘要：随着大数据时代的到来和传感器的发展,多维时间序列分类问题成为数据挖掘领域的重要问题.多维时间序列存在维度高、维度间关系复杂、数据形态多变的特点,从而生成巨大的特征空间.现有方法难以选取有区分力的特征,导致方法的准确度普遍较低.另一方面,现有方法的分类结果的可解释性较差.针对上述问题,提出了一种基于异构特征融合的多维时间序列分类算法.该算法融合了时域、频域和区间统计值这3种特征并对特征进行聚类,从而找到最有代表性的特征.首先为每个维度提取不同类型的代表性特征,再通过多维度特征转换的方法融合所有维度的不同类型的特征,形成特征向量,并基于此训练分类模型.为了提高分类结果的可解释性,算法基于树结构生成不同类型的候选特征集合,然后通过聚合消除冗余和相似的特征,最终获得少量代表性特征.为了验证所提算法的有效性,在公开的UEA数据集上进行了大量实验.实验结果显示,所提算法的准确性、特征融合的合理性,以及分类结果的可解释性均优于现有方法.

    多维度时间序列时间序列分类特征融合可解释性特征聚类

      原文链接:
    • 万方数据
    • 维普

    基于知识图谱的家政服务课程推荐融合模型

    邹莼玲朱郑州
    47-54页
    查看更多>>摘要：针对家政服务从业人员对家政服务课程在线学习需求的增加,而现有的家政服务课程在线学习网站存在资源较少、课程不够系统化和不具有课程推荐功能等状况,使得家政服务相关从业人员的在线学习门槛变高.通过分析现有的家政服务课程在线学习网站,提出构建家政服务课程知识图谱,并将家政服务课程知识图谱与推荐算法进行融合,设计了一种融合深度学习技术的规则与水波偏好传播相结合的R-RippleNet家政服务课程推荐模型.R-RippleNet模型的使用对象包括老学员和新学员,老学员部分是基于水波偏好传播模型进行课程推荐,新学员部分则基于规则模型进行课程推荐.实验结果表明,老学员使用R-RippleNet模型的AUC值为95％,ACC值为89％,F1值为89％,新学员使用R-RippleNet模型的总体精确率均值为77％,NDCG 均值为 93％.

    融合模型知识图谱家政服务课程推荐图数据库

      原文链接:
    • 万方数据
    • 维普

    2023年"CCF会员发展优秀奖"揭晓

    CCF微信公众号
    54页
      原文链接:
    • 万方数据

    基于知识图谱与用户兴趣的推荐算法

    许天月柳先辉赵卫东
    55-62页
    查看更多>>摘要：为了解决协同过滤推荐算法中存在的冷启动以及数据稀疏性等问题,文中引入了具有丰富语义信息和路径信息的知识图谱.基于其结构特征,将图神经网络应用于知识图谱的推荐算法得到了研究者的青睐.推荐算法的核心在于获取物品特征和用户特征,然而,该方面研究的重点在于更好地表达物品特征,而忽略了用户特征的表示.文中在知识图谱图神经网络的基础上,提出了一种基于知识图谱与用户兴趣的推荐算法.该算法通过引入一个独立的用户兴趣捕获模块,来学习用户历史信息,引入了用户兴趣,使得推荐算法在用户和物品两个方面都得到了良好表征.实验结果表明,在MovieLens数据集上,基于知识图谱与用户兴趣的推荐算法实现了数据的充分利用,具有良好的效果,对推荐准确性起到了促进作用.

    推荐算法知识图谱图神经网络用户兴趣

      原文链接:
    • 万方数据
    • 维普

    基于对比学习的时间序列聚类方法

    杨博罗嘉琛宋艳涛吴宏涛...
    63-72页
    查看更多>>摘要：现有深度聚类方法严重依赖于复杂的特征提取网络和聚类算法,难以直观地定义时间序列的相似性.使用对比学习的方法可以从正负样本数据的角度定义时间序列的区间相似性,并对特征提取和聚类进行联合优化.基于对比学习的思想,提出了一种不依赖于复杂表示网络的时间序列聚类模型.同时,为解决现有时间序列数据增强方法难以描述时间序列的变换不变性的问题,提出了一种基于时间序列形状特征的数据增强方法,在忽略数据时域特征情况下捕捉序列的相似性.模型通过设置不同的形状转换参数构造正负样本对,学习特征表示并投影到特征空间,在实例级对比和聚类级对比层面利用交叉熵损失最大化正样本对相似性,最小化负样本对相似性,实现了端到端的联合学习表示和聚类分配.在32个UCR中的数据集上进行了大量实验,结果表明该模型可以在不依赖于特定表示学习网络的情况下得到与现有方法相当或优于现有方法的聚类结果.

    时间序列聚类对比学习数据增强表示学习联合优化

      原文链接:
    • 万方数据
    • 维普

    2023年度CCF城市会员活动中心评选结果公布

    CCF微信公众号
    72页
      原文链接:
    • 万方数据
    • 维普

    基于组合结构的逻辑回归点击预测算法

    郭尚志廖晓峰鲜开义
    73-78页
    查看更多>>摘要：随着互联网和广告平台的飞速发展,面对海量的广告信息,为了提升用户点击率,提出一种改进的基于组合结构的逻辑回归点击预测算法LRCS(Logical Regression of Combination Structure).该算法基于不同类别特征广告受众可能不同的特点,首先,采用FM进行特征组合,产生两类组合特征;其次,将一类特征组合作为聚类算法的输入进行聚类;最后,将另一类特征组合输入由聚类产生的分段GBDT+逻辑回归组合的模型中进行预测.在两个公开数据集中进行了多角度验证,结果表明与其他几类常用的点击预测算法相比,LRCS在点击预测上有一定的性能提升.

    逻辑回归特征组合聚类组合推荐人工智能智能制造

      原文链接:
    • 万方数据
    • 维普