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

    基于主题声望和动态异构网络的学术影响力排序算法

    陈潘陈红梅罗川
    81-89页
    查看更多>>摘要：有效地挖掘学术大数据,分析论文的学术影响力,有助于科研工作者获取重要的信息.文本内容与学术网络结构的动态变化,会对论文的学术影响力排名结果产生重要的影响.但现有的论文学术影响力排序算法或是缺乏对文本内容的考虑,或是缺乏对学术网络结构的动态变化的考虑.针对该问题,提出了一种学术影响力排序算法,称之为基于主题声望和动态异构网络的学术影响力排名(TND-Rank).TND-Rank衡量了论文主题在某一时间对论文的影响,并将其嵌入考虑时间因素的论文影响力排序算法中.TND-Rank通过考虑影响主题声望水平、期刊、作者、时间等多种因素的综合影响来计算论文的动态学术影响力相关排名.在实验中,对AMiner数据集1936-2014年间发表且信息保存完整的文章进行了分析,将所提算法与近年来的4种相关算法进行了比较,采用Spearman相关系数、归一化折损累积增益(NDCG)和分级平均精度(GAP)对算法性能进行了评估.实验结果验证了 TND-Rank算法的可行性和有效性,其可以有效地综合各种信息对论文的学术影响力进行排序.

    异构网络学术影响力学术大数据主题声望论文排序

      原文链接:
    • 万方数据
    • 维普

    异质信息网络中基于解耦图神经网络的社区搜索

    陈伟周丽华王亚峰王丽珍...
    90-101页
    查看更多>>摘要：在异质信息网络(HINs)中搜索包含给定查询节点的社区具有广泛的应用价值,如好友推荐、疫情监控等.现有HINs社区搜索方法大多基于预定义的子图模式对社区的拓扑结构施加一个严格的要求,忽略了节点间的属性相似性,导致结构关系弱而属性相似性高的社区难以定位,并且采用的全局搜索模式难以有效处理大规模的网络数据.为解决这些问题,首先设计解耦图神经网络和基于元路径的局部模块度,分别用于度量节点间的属性相似性和结构内聚性,并利用0/1背包问题优化属性和结构两种凝聚性度量指标,定义了最有价值的c大小社区搜索问题,进而提出了一种基于解耦图神经网络的价值最大化社区搜索模型,执行3个阶段的搜索过程.第一阶段,依据查询信息与元路径,构造候选子图,将搜索范围控制在查询节点的局部范围内,保证整个模型的搜索效率;第二阶段,利用解耦图神经网络,融合异质图信息和用户标签信息,计算节点间的属性相似度;第三阶段,根据社区定义以及凝聚性度量指标,设计贪心算法查找属性相似度高且结构凝聚的c大小社区.最后,在真实的同质和异质网络数据集上测试了搜索模型的性能,大量实验结果验证了模型的有效性和高效性.

    异质信息网络社区搜索解耦图神经网络元路径局部模块度

      原文链接:
    • 万方数据
    • 维普

    中国计算机学会

    CCF微信公众号
    101页
      原文链接:
    • 万方数据
    • 维普

    基于多空间属性信息融合的序列推荐

    王子泓邵蓥侠何吉元刘金宝...
    102-108页
    查看更多>>摘要：序列推荐旨在从用户的历史行为中建模用户不断变化的兴趣,从而做出与用户兴趣相关的推荐.近年来,物品属性信息被证明可以提升序列推荐的性能,很多工作基于属性信息融合去提升序列推荐的性能,都取得了成效但仍存在一定的不足.首先,它们没有显式地建模出用户对物品属性的偏好或者只建模了一个属性偏好向量,无法充分表达用户的偏好.其次,它们的物品属性信息融合过程未考虑用户个性化信息的影响.因此,针对上述不足,提出了基于多空间属性信息融合的序列推荐(MAIF-SR).文中提出了多空间属性信息融合框架,在不同的属性空间下融合属性序列并建模出用户对不同属性的偏好,用多维兴趣充分表达用户的偏好;设计了个性化属性注意力机制,在融合信息的过程中引入用户个性化信息,增强融合信息的个性化效果.在两个公开数据集以及一个工业私有数据集上进行实验,结果表明,MAIF-SR优于用于对比的基于属性信息融合的序列推荐.

    序列推荐物品属性信息融合用户个性化注意力机制多维兴趣

      原文链接:
    • 万方数据
    • 维普

    一种基于变分多跳图注意力编码器的深层协同真值发现

    张国昊王轶周喜王保全...
    109-117页
    查看更多>>摘要：大数据时代,数据价值的释放经常需要融合多源数据,数据冲突成为这一过程中无法避免的关键问题.为了从冲突数据中筛选出真实声明以及可靠数据源,研究人员提出了真值发现方法.然而,现有的真值发现大多注重数据源与声明之间的直接协同信息,忽略了更深层的间接协同与对抗信息,导致不足以表达出数据源与声明的特征.针对此问题,提出了基于变分多跳图注意力编码器的真值发现方法(TD-VMGAE),基于数据源与声明之间的包含关系构建二分图网络,采用多跳图注意力层为每个节点表征汇聚间接协同信息以及对抗信息,并设计真值发现变分自编码器,抽取节点表征中所需的分类分布,对数据源和声明进行协同分类.实验结果表明,所提方法在3个不同尺度的数据集中均有不错的表现,消融实验和可视化也验证了所提方法的有效性和泛化能力.

    数据质量冲突消解真值发现多跳图注意力变分自编码器

      原文链接:
    • 万方数据
    • 维普

    基于局部数据增强动态图的事件预测

    潘磊刘欣陈君益程章桃...
    118-127页
    查看更多>>摘要：事件指在真实世界中特定的时间和地点发生的与特定主题相关的活动,例如,社会动乱、暴恐袭击、自然灾害和传染病流行等事件会对国家安全和人民群众的生活产生重大威胁.如果能对此类事件的发生进行有效预测,将最大程度地减少负面事件带来的影响或最大化正面事件带来的利益.关于事件的研究中,准确预测事件仍然是一个非常具有挑战性的任务.文中提出了一种基于图注意力网络的事件预测方法LAT-GAT(Local Augmented Temporal-GAT),该方法使用条件变分编码器,在所构建的事件图中对目标节点的邻居节点生成新的特征样本,与节点原有特征进行拼合,形成新的节点特征,实现了对事件的传播结构的利用;另外,LAT-GAT还考虑了历史事件发生的时间先后顺序,将网络在上一时间点的输出结果集成到当前时间的特征中,从而实现了对事件传播时间特性的利用.最后,在泰国、印度、埃及和俄罗斯这4个国家真实事件数据集上,与多种代表性基线方法进行了对比实验.实验结果表明,LAT-GAT在4个国家数据上的F1评分都优于基线方法;在泰国、俄罗斯和印度数据集上召回率优于基线方法;在泰国、埃及和印度数据集上也获得了最高的准确率.还通过消融实验考察了模型参数对最终结果的影响.

    事件预测图注意力网络动态图条件变分编码器数据增强

      原文链接:
    • 万方数据
    • 维普

    一文带你回顾CNCC的发展

    CCF微信公众号
    127页
      原文链接:
    • 万方数据
    • 维普

    基于双通道回声状态网络的时间序列补全及单步预测

    郑伟楠於志勇黄昉菀
    128-134页
    查看更多>>摘要：随着物联网的发展,众多传感器采集到大量具有丰富数据相关性的时间序列,为各种数据挖掘应用提供强大的数据支持.然而,一些客观或主观原因(如设备故障、稀疏感知等)往往会造成采集到的数据出现不同程度的缺失.虽然已有很多方法被提出用于解决这一问题,但这些方法在数据相关性方面或考虑不够全面,或计算成本过高.而且,现有方法仅关注对缺失值的补全,未能兼顾下游应用.针对上述不足,设计了一种兼顾补全与预测任务的双通道回声状态网络.两个通道的网络虽共用输入层,但具有各自的储备池和输出层.两者最大的区别是左/右通道的输出层分别表示输入层前/后一个时刻对应的目标值或预补值.最后将两个通道的估计值进行融合,充分利用来自缺失时刻之前和之后的数据相关性以进一步提升性能.两种缺失现象下(随机缺失和分段缺失)不同缺失率的实验结果表明,所提模型无论是在补全精度还是预测精度上都优于目前流行的各类方法.

    数据相关性时间序列外生变量双通道ESN缺失补全单步预测

      原文链接:
    • 万方数据
    • 维普

    基于双分支串行混合注意力的输电线路缺陷检测深度神经网络模型

    郝然王红军李天瑞
    135-140页
    查看更多>>摘要：检测输电线路缺陷并及时维修可以确保电网的安全稳定,具有重大的实际意义.但输电线路图像背景复杂、元件尺寸小,导致现有的目标检测模型不能取得很好的效果,因此文中提出了基于双分支串行混合注意力的输电线路缺陷检测深度神经网络模型.该模型设计了 DBSA(Dual-branch Serial Attention)双分支串行混合注意力,从而将更多的权重放在缺陷上,并提出了 WCFPN(Well-connected Feature Pyramid Network)特征金字塔,让经DBSA提取的特征充分融合,从而增强模型检测小 目标的能力.DBSA将特征图沿高度和宽度两个分支压缩并用一维卷积提取注意力,WCFPN设计了一种包含跨尺度融合和跳层连接的新型融合路径,让经DBSA提取的高层语义信息和低层空间信息进行更充分的交互.最后在绝缘子自爆、防振锤损坏、鸟巢异物、水泥杆破损和输电线路缺陷5个数据集上进行实验,结果显示所提模型取得了最佳的检测效果,在5个数据集上的平均AP5.和AP分别为84.3％和46.1％,相比目前最先进的模型YOLOv7分别提升了 3.7％和3％.

    电网缺陷目标检测注意力机制特征金字塔

      原文链接:
    • 万方数据
    • 维普

    基于多视图自编码器的多被试者脑影像功能校准

    黄硕孙亮汪美玲张道强...
    141-146页
    查看更多>>摘要：功能磁共振成像(functional Magnetic Resonance Imaging,fMRI)研究面临的主要挑战之一是不同被试者fMRI数据的异质性.一方面,多被试数据分析对于确定所生成结果跨被试的通用性和有效性至关重要.另一方面,分析多被试者fMRI数据需要在不同被试者的神经活动之间进行准确的解剖和功能校准,以提升最终结果的性能.然而,现有大多数功能校准研究都采用浅层模型来处理多被试者间的复杂关系,这严重束缚了多被试信息的建模能力.为此,提出了一种基于多视图自编码器的功能校准(Multi-view Auto-encoder Functional Alignment,MAFA)方法.具体地,该方法通过重构不同被试者的响应空间来学习节点嵌入,捕获不同被试者之间共享的特征表示,从而创建一个公共的响应空间.此外,通过引入自训练聚类目标,利用高置信度节点作为软标签来监督图聚类过程.在4个数据集上的实验结果表明,相比其他多被试者脑影像功能校准方法,所提方法在解码精度方面取得了最佳效果.

    功能磁共振成像功能校准多视图表示学习多被试分析脑解码

      原文链接:
    • 万方数据
    • 维普