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

    智能铁路5G安全技术与策略综述

    李盼盼吴昊刘佳佳段莉...
    1-11页
    查看更多>>摘要：数字技术正在重塑各行各业,这是行业发展的必经之路.5G等数字服务技术在为铁路等行业赋能的同时,也带来了一些安全风险.安全是一切服务的先决条件.为促进5G数字服务在智能铁路的创新应用,首先从基站空口、通信、数据、系统、终端和公专网融合应用几个角度,系统梳理了智能铁路5G通信网络面临的安全风险与挑战.然后针对大带宽、高可靠、低时延的新业务场景及网络切片、边缘计算等新技术和大规模异构新型终端以及面向铁路的智能新应用,全面分析了智能铁路5G服务的安全新需求,总结了密码算法、空口安全、隐私、统一认证及漫游等方面的5G安全增强新特性.在此基础上,给出智能铁路5G通信网络在安全认证、物理层安全、终端安全、切片安全、边缘计算安全方面需关注的重点.针对5G专网部署方式,给出基础设施、通信安全、安全管理数据安全、内生安全防御体系方面的建议.

    智能铁路第5代移动通信系统(5G)内生安全策略综述数字服务

      原文链接:
    • 万方数据
    • 维普

    网络空间用户身份对齐技术研究及应用综述

    王庚润
    12-20页
    查看更多>>摘要：近年来,随着移动互联网技术的发展和用户需求的增加,网络空间中各种虚拟账号越来越多,同一用户在不同应用甚至同一平台拥有多个账号.同时,由于网络空间的虚拟性导致用户的虚拟身份与真实社会身份之间的关联通常较弱,网络空间违法用户存在发现难和取证难的问题.因此,在服务推荐和调查取证等需求的推动下,以网络空间用户虚拟身份聚合和虚实身份映射为主要研究内容的用户身份对齐技术得到了快速发展.为此,对网络空间用户身份对齐技术进行了梳理,首先对该技术解决的科学问题进行了阐述;其次介绍了该技术所用到的用户身份典型特征和涉及的相关技术;然后对可供研究的数据集与验证标准进行介绍;最后对所提技术面向的应用场景进行了详细分析,并基于此讨论了用户身份对齐技术未来的研究方向以及面临的挑战.

    网络空间安全用户身份对齐虚拟身份聚合虚实身份映射用户身份特征社交网络流量数据

      原文链接:
    • 万方数据
    • 维普

    基于多属性综合评价的院校竞赛评估模型

    邢存远张洁金莹
    21-26页
    查看更多>>摘要：我国普通高校大学生竞赛正处于蓬勃发展期,赛事的举办和参与都呈现出积极向上的态势.大学生学科竞赛能够反映参赛院校的学科发展水平和教学水平,而基于竞赛数据对院校水平进行分析和比较也能够在一定程度上促进院校对竞赛的重视和参与度.在之前的研究和实际应用中,学校的竞赛水平评估大多局限在奖项得分的堆叠上.这种基于"唯奖项"论的模型因为忽略了院校自身发展水平等因素而存在片面性.在这项工作中,参赛院校的竞赛水平可以用参赛积极性、参赛优异度和获奖稳定性3个指标刻画并构建评估模型;通过最大化院校间得分差异确定指标的最优权重,从而获取院校的参赛得分并进行比较和分析.此外,根据学科竞赛的特点,院校在竞赛的不同赛道上的不同表现可以作为更加细化的特征.通过t-SNE降维、可视化与聚类分析,参赛高校被划分成4种类型.对于不同类型的高校,文中分别提供了提高比赛表现的针对性建议.江苏省大学生计算机设计大赛举办至今的数据被用于验证模型的合理性.

    综合评价学科竞赛高等院校数据挖掘

      原文链接:
    • 万方数据
    • 维普

    ST-WaveMLP:面向交通流量预测的时空全局感知网络模型

    包锴楠张钧波宋礼李天瑞...
    27-34页
    查看更多>>摘要：交通流量预测在智能交通系统中起着至关重要的作用.精准的交通流量预测不仅能帮助城市管理者进行更好的交通管理,也能帮助人们制定合适的出行计划.然而精准预测交通流量颇具挑战性,主要难点在于如何捕获交通流量数据中复杂的时空依赖性.近年来,深度学习方法已被成功应用于网格交通流量预测,主要采用深度卷积神经网络来捕获时空依赖性.但是卷积神经网络主要关注数据中空间特征的提取与整合,难以充分挖掘其中复杂的时空依赖性,而且单层卷积网络只能捕获局部空间依赖,因此,要想捕获全局空间依赖就需要对超多层的卷积网络进行堆叠,这将使整个网络模型训练收敛速度变慢.为了解决些问题,提出了一种面向交通流量预测的全局感知时空网络模型ST-WaveMLP,主要使用以多层感知机(MLP)为基础的可重复结构ST-WaveBlock来捕获相关的时空依赖.ST-WaveBlock中包含了捕获全局空间依赖和局部时间依赖的模块(SGAC),以及用于捕获局部空间依赖和全局时间依赖的模块(SLAC).ST-WaveBlock具有较强的时空表征学习能力,通常仅用2～4个ST-WaveBlock堆叠就能有效捕获数据中的时空依赖性.最后,在4个实际交通流量数据集上进行实验验证,结果表明ST-WaveMLP具有更好的收敛性以及更高的预测精度,相较于之前最好的方法,所提方法预测精度的提升最高可达9.57％,模型收敛速度的提升最高可达30.6％.

    交通流量预测时空依赖性时空深度学习时空数据挖掘

      原文链接:
    • 万方数据
    • 维普

    基于对抗策略类别特定的多样性时间序列shapelets提取

    罗颖万源王礼勤
    35-44页
    查看更多>>摘要：在时间序列分类任务中,通过提取时间序列的shapelets进行分类的方法因分类准确率高且具有良好的可解释性而受到广泛关注.针对现有方法学习到的shapelets是所有类共享,可以区分大多数类但不能准确地区分某一类和其他类,以及使用对抗策略的模型生成的shapelets存在多样性不足等问题,提出了一种基于对抗策略类别特定的多样性时间序列shapelets提取方法.该方法将类别信息嵌入时间序列,采用多生成器模块对抗地生成多个有差别的类别特定shapelets,再通过施加差异约束来提高shapelets的多样性,最后使用shapelet转换得到的特征对时间序列进行分类.在36个时间序列数据集上与5种基于shapelets的算法和11种先进的分类算法进行实验对比,实验结果表明,所提方法分别在36个数据集中的26个和20个数据集上取得了最优结果,且均取得了最高的平均秩,平均分类准确率相比其他方法最少提高了 2.4％,最多提高了 17.8％.消融性分析以及可视化分析验证了多样性和类别特定的思路在时间序列分类上的有效性.

    时间序列shapelets类别特定多样性对抗网络

      原文链接:
    • 万方数据
    • 维普

    融入时间信息的预训练序列推荐方法

    陈稳中陈红梅周丽华方圆...
    45-53页
    查看更多>>摘要：序列推荐旨在根据用户与项目的历史交互序列,学习用户动态偏好,为用户推荐后续可能感兴趣的项 目.基于预训练模型在适应下游任务方面具有优势,预训练机制在序列推荐中备受关注.现有序列推荐预训练方法忽略了现实中时间对用户交互行为的影响,为了更好地捕获用户与项 目交互的时间语义,提出了融入时间信息的预训练序列推荐模型TPTS-Rec(Time-aware Pre-Training method for Sequence Recommendation).首先,在嵌入层引入时间嵌入矩阵以获取用户交互项 目与时间的关联信息.然后,在自注意力层采用同一时间点采样的方法以学习项目间的时间关联信息.最后,在微调阶段从时间维度扩增用户交互序列长度以缓解数据稀疏性问题.在真实数据集上的对比实验结果表明,与基线模型相比,所提模型TPTS-Rec的推荐效果有显著提升.

    序列推荐预训练自监督学习互信息最大化时间属性

      原文链接:
    • 万方数据
    • 维普

    聚焦CCDE2024 |信创与安全专题会议

    CCF微信公众号
    53页
      原文链接:
    • 万方数据

    结合图对比学习的多图神经网络会话推荐方法

    卢敏原子婷
    54-61页
    查看更多>>摘要：会话推荐根据匿名用户短期内的交互数据预测下一个交互物品.针对会话中物品少、物品长尾分布等特性,现有基于图对比学习的会话推荐模型提出对会话内物品采用随机裁剪、扰动等方式构造正负样本.然而,上述随机退出策略进一步缩减较短会话中的可用物品,使得会话更加稀疏,引起会话兴趣学习偏差.为此,提出了结合图对比学习的多图神经网络会话推荐方法.其核心思想是:在物品局部图、物品全局图等上提取融入物品局部和全局的高阶邻域物品表示,并生成物品级的会话表示,然后设计会话-会话图并学习会话级的会话表示,最后递归利用不同级别会话兴趣生成正负样本对,通过对比学习机制增强会话兴趣区分性.与退出策略相比,所提模型保留了完整的会话信息,实现了真正的数据扩充.在两个基准数据集上进行了大量实验,结果表明,该算法的推荐性能远优于主流基线方法.

    会话推荐图对比学习图神经网络会话兴趣正负样本

      原文链接:
    • 万方数据
    • 维普

    基于双域稀疏Transformer的变电站设备故障预警方法

    张建亮李洋朱春山薛泓林...
    62-69页
    查看更多>>摘要：利用变电站电气设备运行时产生的时间序列数据,可以构建其未来运行状态的预测模型,从而提前发现异常数据,排除故障隐患,提升变电站的稳定性和可靠运行能力.Transformer模型是一种新兴的序列化数据处理模型,在面对较长序列时更具优势,可以满足故障预警前瞻性的需求.然而Transformer的模型结构使其具有较高的计算复杂度与空间占用率,难以直接应用到故障预警任务中.据此提出了一种基于时间序列预测的变压器设备故障预警方法,通过改进Transformer模型实现对设备运行数据的建模.该模型使用双塔式的编码器结构提取序列在频域和时域的特征,将时间特征数据和空间特征数据进行多维数据融合,从而提取更细致的信息.其次,用稀疏化处理的注意力机制代替标准的注意力机制,降低Transformer的计算复杂度和空间占用率,以满足实时预警的需求.在ETT变压器设备数据集上通过实验证明了所提模型的优越性,以及所改进的模块的必要性.相较于其他方法,该模型在多数预测任务中的MSE与MAE指数都达到了最优,尤其在长序列预测任务中表现出了更佳的性能,且预测速度更快.

    设备故障预警时间序列预测深度学习Transformer

      原文链接:
    • 万方数据
    • 维普

    大图中多样化Top-k模式挖掘算法研究

    何宇昂王欣沈玲珍
    70-84页
    查看更多>>摘要：频繁模式挖掘(Frequent Pattern Mining,FPM)是图数据挖掘领域的一项重要任务.该任务的 目标是从图数据中找到出现频次大于给定阈值的所有模式.近年来,随着社交网络等大规模图数据的涌现,单一大图上的FPM问题受到广泛关注,并得到了较为充分的研究,取得了一系列研究成果.然而,已有技术大都存在着计算成本高、挖掘结果理解困难以及并行计算难等问题.针对上述问题,文中提出了 一种从大规模图数据中挖掘多样化top-k模式的方法.首先设计了一个多样化函数,用于度量模式集合的多样性;随后设计了 一种面向分布式图数据,具有提前终止特性的分布式挖掘算法DisTopk,以实现多样化top-k模式高效挖掘.在真实图数据和合成图数据上进行了大量实验,结果表明,与传统分布式挖掘算法相比,DisTopk算法能更高效地挖掘多样化top-k模式.

    频繁模式挖掘Top-k模式结果多样性分布式挖掘提前终止

      原文链接:
    • 万方数据
    • 维普