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

    基于边卷积与瓶颈注意力的点云三维目标检测

    简英杰杨文霞方玺韩欢...
    162-171页
    查看更多>>摘要：点云数据的高度稀疏特性使当前大部分基于点云的三维目标检测算法对点云的局部特征学习不足,且点云数据包含的部分无效信息会干扰目标检测.针对以上问题,提出了一种基于边卷积与瓶颈注意力的三维目标检测模型.首先,构建多层边卷积(Edge Convolution,EdgeConv),针对点云中的每个点,通过寻找特征空间上与其最接近的K个点,以构建K-近邻图结构,并学习点云的多尺度局部特征;其次,设计适用于三维点云数据的瓶颈注意力模块(Bottleneck Attention Module,BAM),每个BAM包括一个通道注意力模块和一个空间注意力模块,用于增强对目标检测有价值的点云信息,提升网络模型的表征能力.网络以VoteNet为基线,多层边卷积和BAM模块依次加入PointNet++网络和投票模块之间.模型在SUN RGB-D和ScanNetV2公共数据集上进行实验,并与13个当前先进的三维目标检测算法进行对比.实验结果表明,对于SUN RGB-D数据集,所提模型在交并比(Intersection over Union,IoU)为0.5时的平均精确率mAP@0.5达到了最高,并在床、椅子、办公桌等6个对象类别(共10个类别)达到最优准确率(AP@0.25);对于ScanNetV2数据集,模型的mAP@0.25和mAP@0.5均达到最优,并在椅子、沙发、照片等10个对象类别(共18个类别)达到了最优准确率(AP@0.25).与基线VoteNet相比,所提模型在两个数据集上的mAP@0.25分别提升了 6.5％和12.9％,消融实验证明了所加入的边卷积模块和瓶颈注意力模块的有效性.

    三维目标检测点云边卷积瓶颈注意力模块VoteNetSUNRGB-D数据集ScanNetV2数据集

      原文链接:
    • 万方数据
    • 维普

    基于文本及历史数据的多标签专利分类算法研究

    徐雪洁王宝会
    172-178页
    查看更多>>摘要：专利分类是专利数据挖掘领域一项非常重要的任务,该任务的目标是为给定专利文献分配若干个国际专利分类(IPC)号,近几年针对该任务的很多研究都集中在通过挖掘专利文本表示对IPC分类体系中部级或大类级分类号的多分类预测.而实际场景中,一篇专利往往有多个分类号,是一种多标签分类任务,且除了专利的文本内容外,每个专利都有对应的专利权组织,专利权组织的历史专利申请行为会有一定的业务倾向,这种申请行为的偏好表示能有效提高专利分类准确度.然而,目前专利分类的相关研究中并没有充分利用到专利的历史数据,针对IPC体系小类的多标签分类问题,提出了一个综合考虑专利内容的专利 自动分类模型.首先用BERT预训练语言模型初始化专利文本表示,再利用Text-CNN捕捉局部特征获得将其输出作为专利文本的最终表示;其次,通过Bi-LSTM对历史专利文本及专利标签进行双通道聚合,学习该组织的历史专利申请行为表示;最后,将专利的文本表示与历史专利申请行为表示进行融合后做预测.在真实专利数据集上,将所提模型与基于专利文本挖掘的不同基线进行了对比实验,结果表明基于专利文本和历史数据建模的深度学习分类算法在精确度上有很大的提升.

    深度学习多标签专利自动分类IPC分类号专利

      原文链接:
    • 万方数据
    • 维普

    基于智能规划的多智能体强化学习算法

    辛沅霞华道阳张犁
    179-192页
    查看更多>>摘要：目前深度强化学习算法在不同应用领域中已经取得诸多成果,然而在多智能体任务领域中,往往面临大规模的具有稀疏奖励的非稳态环境,低探索效率问题仍是一大挑战.由于智能规划能够根据任务的初始状态和目标状态快速制定出决策方案,该方案能够作为各智能体的初始策略,并为其探索过程提供有效指导,因此尝试将智能规划与多智能体强化学习进行结合求解,并且提出统一模型 UniMP(a Unified model for Multi-agent Reinforcement Learning and AI Planning).在此基础上,设计并建立相应的问题求解机制.首先,将多智能体强化学习任务转化为智能决策任务;其次,对其执行启发式搜索,以得到一组宏观目标,进而指导强化学习的训练,使得各智能体能够进行更加高效的探索.在多智能体即时战略对抗场景StarCraft Ⅱ的各地图以及RMAICS战车模拟对战环境下进行实验,结果表明累计奖励值和胜率均有显著提升,从而验证了统一模型的可行性、求解机制的有效性以及所提算法灵活应对强化学习环境突发情况的能力.

    多智能体强化学习智能规划启发式搜索探索效率

      原文链接:
    • 万方数据
    • 维普

    面向前提选择的新型图约简表示与图神经网络模型

    兰咏琪何星星李莹芳李天瑞...
    193-199页
    查看更多>>摘要：自动定理证明器在证明问题时其搜索空间通常会呈现爆炸式增长,前提选择为该问题提供了新的解决思路.针对现有前提选择方法中逻辑公式图、图神经网络模型难以捕捉到公式图潜在信息的问题,提出了 一种基于删除重复量词的简化逻辑公式图表示和具有注意力机制的项游走图神经网络模型,充分利用逻辑公式的语法和语义信息提高前提选择问题的分类精度.首先,将一阶逻辑猜想和前提公式转化为基于删除重复量词的简化一阶逻辑公式图;其次,利用消息传递图神经网络对节点和节点的项游走特征信息进行聚合和更新,随后使用注意力机制为图上的节点分配权重,进而调整图节点嵌入信息;最后,将前提图向量和猜想图向量拼接并输入二元分类器中实现前提分类.实验结果表明,所提方法在MPTP数据集和CNF数据集上的准确率分别达到了 88.61％和84.74％,超越现有最优的前提选择方法.

    图神经网络前提选择注意力机制一阶逻辑公式图约简表示方法

      原文链接:
    • 万方数据
    • 维普

    结合句法增强与图注意力网络的方面级情感分类

    张泽宝余翰男王勇潘海为...
    200-207页
    查看更多>>摘要：方面级情感分类旨在识别给定特定方面文本的情感极性,在本领域中,将图神经网络与句法依赖解析相结合是当下热门的研究方向之一,此类方法通过句法解析捕捉句子中词与词之间的关系,依此构建图结构,输入图神经网络中得到情感极性.若句法解析器出现解析错误,将会对以图为基础的图神经网络模型产生巨大影响.为了增强解析器生成的句法依赖树的解析结果,文中提出了 一种句法增强图注意力网络,该网络通过融合多个解析器的解析结果,提高句法依赖解析精度,得到更精准的依赖关系句法图;在图注意力网络中使用密集连接机制捕获更丰富的特征,更适配于增强后的句法图,同时引入方面注意力机制捕获方面语义特征.实验结果验证了句法增强方法的有效性,在3个基准数据集上的分类准确度都有所提高,在方面级情感分析领域具有较好的表现.

    方面级情感分析依赖解析句法增强图注意力网络密集连接

      原文链接:
    • 万方数据
    • 维普

    基于跨层级多视角特征的多语言事件探测

    张志远张维彦宋雨秋阮彤...
    208-215页
    查看更多>>摘要：多语言事件探测任务的目标是将多种语言的新闻文档集合组织成不同的关键事件,其中每个事件可以包含不同语言的新闻文档.该任务有助于各种下游任务应用,如多语言知识图谱构建、事件推理、信息检索等.目前,多语言事件探测主要分为先翻译再事件探测与先单语言检测再跨多种语言对齐两种方法,前者依赖翻译的效果,后者需要为每种语言单独训练模型.为此,提出了一种名为基于跨层级多视角特征融合的多语言事件探测方法,端到端地进行多语言事件探测任务.该方法从不同层级利用文档的多视角特征,获得了高可靠性的多语言事件探测结果并提升了低资源语言事件探测的泛化性能.在9种语言混合的新闻数据集上进行的实验表明,所提方法的BCubed F1值提升了 4.63％.

    多语言预训练模型多语言事件探测新闻文档聚类加权相似度增量聚类

      原文链接:
    • 万方数据
    • 维普

    基于深度多视图网络的政务事件分拨方法

    李子琛易修文陈顺张钧波...
    216-222页
    查看更多>>摘要：12345政务服务便民热线是由各地市政府设立的专门受理热线事项的公共服务平台.随着政府信息化进程的推进,12345热线作为市民与政府交流纽带的重要性大大提高,并对事件处置的效率提出了更高的要求.针对传统事件分拨方法主要依赖于分拨人员人工操作、速度较慢、准确率不高,且需要消耗大量人力资源的问题,文中提出了 一种基于深度多视图网络的政务事件分拨方法.首先,通过自监督学习训练带权重的图卷积神经网络,从历史记录中抽取事件归口-分拨部门的分拨行为特征作为事件的归口视图.其次,使用经过政务领域语料微调的BERT模型,提取事件描述与事件标题的语义特征,得到事件的语义视图.然后,使用基于交叉注意力机制的残差网络,将事件的两种视图融合,得到事件的融合表征.最后,将融合表征输入分类器,得到事件分拨的结果.在南通市12345热线的数据集上进行实验,结果表明,所提方法在各项指标上均优于其他基线方法,能够有效提高事件分拨的效率.

    12345热线事件分拨文本分类多视图学习深度学习城市计算

      原文链接:
    • 万方数据
    • 维普

    基于自适应上下文匹配网络的小样本知识图谱补全

    杨旭华张炼叶蕾
    223-231页
    查看更多>>摘要：知识图谱在构建过程中需要面对繁杂的现实世界信息,无法建模所有知识,因此需要补全.真实的知识图谱中很多类型的关系通常只有少量的训练实体样本对.因此,如何进行小样本知识图谱补全是一个十分有价值的问题.目前基于嵌入的方法一般通过注意力机制等方法聚合实体上下文信息,通过学习关系嵌入的方式来补全知识图谱,仅考虑关系层面的匹配程度,虽然能够预测未知关系,但往往准确度不高.针对小样本知识图谱补全问题,提出了 一个自适应上下文匹配网络(Adaptive Context Matching Network,ACMN).首先提出一个共性邻居感知编码器,聚合参考集实体上下文,即一跳邻居实体,获得共性邻居感知编码;接着提出一个任务相关实体编码器,挖掘任务实体上下文与共性上下文的相似度信息,区分一跳邻居对当前任务的贡献,增强实体表征;然后提出一个上下文关系编码器获得动态关系表征;最后通过加权求和综合考虑实体上下文和关系的匹配程度,完成补全.ACMN从实体上下文相似度和关系匹配程度两个方面综合评价查询三元组是否成立,能够在小样本的背景下有效提高预测准确性.在两个公共数据集上和其他8个广泛使用的算法进行比较,ACMN在不同规模的小样本情况下,取得了 目前最好的补全结果.

    知识图谱补全小样本学习实体上下文关系预测表示学习

      原文链接:
    • 万方数据
    • 维普

    CCF走进中国电信&天翼云,共探算力互联网前沿技术

    CCF微信公众号
    231页
      原文链接:
    • 万方数据
    • 维普

    求解不可分离非凸非光滑问题的线性惯性ADMM算法

    刘洋刘康王永全
    232-241页
    查看更多>>摘要：针对目标函数中包含耦合函数H(x,y)的非凸非光滑极小化问题,提出了一种线性惯性交替乘子方向法(Linear Iner-tial Alternating Direction Method of Multipliers,LIADMM).为了方便子问题的求解,对目标函数中的耦合函数H(x,v)进行线性化处理,并在x-子问题中引入惯性效应.在适当的假设条件下,建立了算法的全局收敛性;同时引入满足Kurdyka-Łojasiewicz不等式的辅助函数,验证了算法的强收敛性.通过两个数值实验表明,引入惯性效应的算法比没有惯性效应的算法收敛性能更好.

    耦合函数H(x,y)非凸非光滑优化交替乘子方向法惯性效应Kurdyka-Łojasiewicz不等式

      原文链接:
    • 万方数据
    • 维普