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CNN和LSTM的移动对象目的地预测

    李冰荣皮德常候梦如
    70-77页
    查看更多>>摘要：移动对象目的地预测是基于位置的服务的重要组成部分.该领域一直存在数据稀疏、长期依赖等难以解决的问题.为了有效解决这些问题,首先引入了一种基于最小描述长度策略(Minimum Description Length,MDL)的轨迹分段方法,以获得轨迹的最佳分段,提高轨迹之间的相似度,实现对轨迹的简化.随后将分段后的数据进行图像化处理和局部特征提取,并对轨迹目的地进行聚类,从而为轨迹数据增加标签.最后提出了一种基于卷积和长短期记忆循环单元的深度学习算法CNN-LSTM,该算法先将局部图像数据和标签作为卷积神经网络(Convolutional Neural Network,CNN)模型的输入,通过空间特征的深度提取来保留有效信息,再利用长短期记忆网络(Long-Short Term Memory,LSTM)算法进行训练和目的地预测.在移动对象的真实轨迹数据集上进行了大量实验,结果表明,所提CNN-LSTM方法具有较强的学习能力,能更好地捕捉轨迹时空相关性.与现有的最新相关算法相比,该方法具有很高的目的地预测准确度.

    移动对象目的地预测轨迹CNNLSTM

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

    基于二分图卷积表示的推荐算法

    熊旭东杜圣东夏琬钧李天瑞...
    78-84页
    查看更多>>摘要：随着数据驱动智能技术的快速发展,个性化推荐算法及相关应用成为了研究热点.推荐可视为将用户与物品进行匹配的问题,但用户与物品之间存在的语义差距不便于两者之间的直接匹配.现有的许多基于深度学习的推荐算法采用的思路都是将不同空间中的实体映射到统一潜在语义空间,利用其嵌入表示来进行匹配度计算.随着网络表示学习方法的出现,由于用户和物品的交互可构成二分图,用户和物品的嵌入表示可被视作二分图节点表示,许多基于二分图节点表示的推荐算法被提出,但现有算法仍难以对高阶交互信息进行有效提取.针对这一问题,文中提出了一种基于二分图卷积表示学习的推荐算法BGCRRA(Bipartite Graph Convolution Representation-based Recommendation Algorithm).该算法首先将用户和物品交互视作二分图,然后通过实现自适应融合多阶、多层次的图卷积模型来对节点进行嵌入表示,最后计算用户和物品的匹配度,并实现推荐.文中在3个公开的数据集上进行对比实验,通过将该算法与当前表现优异的算法进行HR和NDCG(Normalized Discoun-ted Cumulative Gain)指标的比较分析,验证了所提推荐算法的有效性.

    推荐算法嵌入方法图卷积二分图

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

    基于图神经网络的金融征信研究

    李思迪郭炳晖杨小博
    85-90页
    查看更多>>摘要：金融机构对申请借贷的用户进行信用评价是互联网金融领域的前沿方向之一.首先,基于互联网金融借贷网络历史数据,通过用户间借贷关系的网络化建模来反映融合用户节点与周边关系节点相互作用的借贷关联作用的复杂网络.其次,通过引入基于节点中心性结构特征指标的图神经网络模型,提出了具有邻接圈层信息与借贷信用信息耦合的个人征信评估模型.最后,模型在包含756100条交易记录的历史数据集上运行实现,并与BP神经网络算法和RF-Logistic模型进行了对比,结果显示所提模型具有更高的评估准确率.

    征信评估模型复杂借贷网络图神经网络

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

    一种基于标签相关度的Relief特征选择算法

    丁思凡王锋魏巍
    91-96页
    查看更多>>摘要：特征选择在机器学习和数据挖掘中起到了至关重要的作用.Relief作为一种高效的过滤式特征选择算法,能处理多种类型的数据,且对噪声的容忍力较强,因此被广泛应用.然而,经典的Relief算法对离散特征的评价较为简单,在实际进行特征选择时并未充分挖掘特征与类标签之间的潜在关系,具有很大的改进空间.针对经典的Relief算法对离散特征的评价方式较为简单这一不足,提出了一种基于标签相关度的离散特征评价方法.该算法充分考虑了不同特征的特性,给出了一种面向混合特征的距离度量方式,同时从离散特征与标签之间的相关度出发,重新定义了Relief算法对离散特征的评价体系.实验结果表明,改进后的Relief算法与经典的Relief算法和现有的一些面向混合数据的特征选择算法相比,其分类精度均有不同程度的提升,具有良好的性能.

    特征选择Relief标签相关度VDM决策树

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

    融合文本序列和图信息的海关商品HS编码分类

    杜少华万怀宇武志昊林友芳...
    97-103页
    查看更多>>摘要：海关商品HS编码分类是企业和个人进出口贸易的重要国际程序.HS编码分类可以看作是一个文本分类问题,即给定一段商品的描述,确定商品由HS编码表示的所属类别.然而,该任务比一般的文本分类任务更具挑战性,原因是商品描述文本具有特定的层次结构,同时商品描述文本展现出了两个层次上的序列特征,并且商品描述文本还存在关键信息分散且描述形式多样的特点.现有的文本分类方法无法综合考虑以上因素来捕获商品描述文本中的关键信息.对此,文中提出了一种融合文本序列和图信息的神经网络(Text Sequence and Graph Information combination Neural Network,TSGINN)模型,用于解决海关商品HS编码分类问题.TSGINN将HS编码分类问题定义为基于词共现网络的子图分类问题,通过图注意力网络建模非连续词之间的关联关系,同时利用分层的长短期记忆网络结合商品文本层次结构捕获多层次的序列信息.在真实海关商品数据集上进行了实验,结果表明TSGINN模型的HS编码分类效果优于其他分类方法.

    海关商品HS编码文本分类多层次序列信息图注意力网络

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

    基于多层次多视角的图注意力Top-N推荐方法

    刘志鑫张泽华张杰
    104-110页
    查看更多>>摘要：推荐系统是当前数据挖掘领域的研究热点,海量数据的涌现促使多源信息融合的推荐方法得到极大的关注.但是,现有的基于异质信息融合的推荐方法在进行特征表示时往往忽略了用户和项目之间的交互信息以及元路径之间的相互影响.因此,考虑到属性节点嵌入和结构元路径的不同视角,提出了一种多层次图注意力的网络推荐方法.该方法通过构建不同的元路径,将多源信息网络结构粒化为多个独立的粗粒度网络,然后基于图注意力机制结合局部节点属性嵌入,来分别学习用户和项目的潜在特征,最终给出融合后的细粒度网络推荐.在现实大规模数据集上进行横向和纵向评测,实验结果表明该方法能够有效地提升推荐性能.

    层次粒化多源信息融合图注意力网络Top-N推荐

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

    一种基于符号关系图的快速符号数据聚类算法

    张岩金白亮
    111-116页
    查看更多>>摘要：由于在实际应用中有大量的符号数据生成,符号数据聚类成为了聚类分析的一个重要研究领域.目前,已有许多符号数据聚类算法被提出,但将它们应用于大数据环境时,仍然存在计算成本高、运行速度慢等问题.文中提出了一种基于符号关系图的快速符号数据聚类算法.该算法使用符号关系图替代原始数据,缩小数据集的规模,有效地解决了这一问题.大量的实验分析显示新算法相比其他算法是有效的.

    符号数据相似性度量关系图数据挖掘聚类

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

    基于多特征融合的细粒度视频人物关系抽取

    吕金娜邢春玉李莉
    117-122页
    查看更多>>摘要：视频人物关系抽取是信息抽取问题中的重要任务,在视频描述、视频检索,以及人物搜索、公安监察等方面具有重要价值.由于视频数据的底层像素与高层关系语义之间存在巨大的鸿沟,现有方法很难准确地抽取人物关系.现有研究大多通过粗粒度地分析人物共现等因素来抽取人物关系,忽略了具有丰富语义的视频中的细粒度信息.为解决现有算法难以准确、完整地抽取视频人物关系的问题,文中提出了一种基于多特征融合的细粒度视频人物关系抽取方法.首先,为了准确识别视频人物实体,提出了一种基于多特征融合的人物实体识别模型;然后,提出了一种基于细粒度特征的人物关系识别模型,该模型不仅融合了视频中人物的时空特征,而且考虑了与人物相关的细粒度物体信息特征,从而建立更好的映射关系来准确识别人物关系.以电影视频数据和SRIV人物关系识别数据集为实验数据,实验结果验证了该模型的有效性和准确性,与现有同类模型相比,所提模型的人物实体识别F1值提高了约14.4％,人物关系识别的准确率提高了约10.1％.

    视频分析人物关系识别关系抽取深度学习多特征融合

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

    基于时空注意力机制的目标跟踪算法

    程旭崔一平宋晨陈北京...
    123-129页
    查看更多>>摘要：目标跟踪技术在智能监控、人机交互、无人驾驶等诸多领域得到了广泛的应用.近年来,学者们提出了许多高效的算法.然而,随着跟踪环境越来越复杂,目标跟踪算法在遮挡、光照变化、背景干扰等复杂环境下仍然面临着巨大的挑战,从而导致目标跟踪失败.针对上述问题,提出了一种基于时空注意力机制的目标跟踪算法.首先,采用孪生网络架构来提高对特征的判别能力;然后,引入改进的通道注意力机制和空间注意力机制,对不同通道和空间位置的特征施加不同的权重,并着重关注空间位置和通道位置上对目标跟踪有利的特征.此外,还提出了一种高效的目标模板在线更新机制,将第一帧图像特征与后续跟踪图像帧中置信度较高的图像特征进行融合,以降低发生目标漂移的风险.最后,在OTB2013和OTB2015数据集上对所提跟踪算法进行了测试.实验结果表明,所提算法的性能相比当前主流的跟踪算法提高了6.3％.

    深度学习目标跟踪孪生网络注意力机制模板更新

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

    一种新颖的单目视觉深度学习算法:H_SFPN

    石先让宋廷伦唐得志戴振泳...
    130-137页
    查看更多>>摘要：针对单目视觉目标检测,提出了一种基于single-stage深度学习的H_SFPN算法.该算法与现有的YOLOv3和Cen-terNet算法相比,在保证实时性能的条件下,可有效提高小目标检测的准确度.首先设计了一种新的网络架构(backbone),这种架构通过改进的沙漏(Hourglass)网络模型来提取特征图,以便充分利用底层特征的高分辨率以及高层特征的高语义信息.然后在特征图融合阶段提出了基于SFPN的特征图加权融合方法.最后,H_SFPN算法对目标位置和大小的损失函数进行了改进,可有效降低训练误差,并加快收敛速度.由MSCOCO数据集上的实验结果可知,所提H_SFPN算法明显优于Faster-RCNN,YOLOv3以及EfficientDet等现有的主流深度学习目标检测算法,其中对小目标的检测指标AP s最高,达到了32.7.

    深度卷积神经网络目标检测加权融合网络架构损失函数

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