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

    基于中心偏移的Fisher score与直觉邻域模糊熵的多标记特征选择

    孙林马天娇
    96-107页
    查看更多>>摘要：现有多标记Fisher score模型中边缘样本会影响算法分类效果.鉴于邻域直觉模糊熵处理不确定信息时具有更强的表达能力与分辨能力的优势,文中提出了一种基于中心偏移的Fisher score与邻域直觉模糊熵的多标记特征选择方法.首先,根据标记将多标记论域划分为多个样本集,计算样本集的特征均值作为标记下样本的原始中心点,以最远样本的距离乘以距离系数,去除边缘样本集,定义了新的有效样本集,计算中心偏移处理后的标记下每个特征的得分以及标记集的特征得分,进而建立了基于中心偏移的多标记Fisher score模型,预处理多标记数据.然后,引入多标记分类间隔作为自适应模糊邻域半径参数,定义了模糊邻域相似关系和模糊邻域粒,由此构造了多标记模糊邻域粗糙集的上、下近似集;在此基础上提出了多标记邻域粗糙直觉隶属度函数和非隶属度函数,定义了多标记邻域直觉模糊熵.最后,给出了特征的外部和内部重要度的计算公式,设计了基于邻域直觉模糊熵的多标记特征选择算法,筛选出最优特征子集.在多标记K近邻分类器下、9个多标记数据集上的实验结果表明,所提算法选择的最优子集具有良好的分类性能.

    多标记学习特征选择Fisherscore多标记模糊邻域粗糙集邻域直觉模糊熵

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

    CCF"中国计算机历史记忆"认定申报征集通知

    CCF微信公众号
    107页
      原文链接:
    • NETL
    • NSTL
    • 万方数据

    缺失值场景下的多元时间序列异常检测算法

    曾子辉李超洋廖清
    108-115页
    查看更多>>摘要：时间序列异常检测是工业界中一个重要的研究领域.当前的时间序列异常检测方法侧重于面向完整的时间序列数据进行异常检测,而没有考虑到包含工业场景中网络异常、传感器损坏等所导致的缺失值的时间序列异常检测任务.文中针对工业场景中更加常见的含缺失值的时间序列异常检测任务,提出了一种基于注意力重新表征的时间序列异常检测算法MMAD(Missing Multivariate Time Series Anomaly Detection).具体来说,MMAD首先将包含缺失值的时间序列数据通过时间位置编码对时间序列中不同时间戳的空间关联进行建模,然后通过掩码注意力表征模块学习不同时间戳之间数据的关联关系并将其表征为一个高维的嵌入式编码矩阵,从而将包含缺失值的多元时间序列表示为不含缺失值的高维表征,最后引入条件标准化流对该表征进行重建,以重建概率作为异常评分,重建概率越小代表样本越异常.在3个经典时间序列数据集上进行实验,结果表明,相比其他基线方法,MMAD性能平均提升了11％,验证了MMAD在缺失值场景下进行多元时间序列异常检测的有效性.

    多元时间序列异常检测缺失值场景注意力机制神经网络

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

    基于压缩感知自适应测量矩阵的空气质量主动采样

    黄伟杰郭贤伟於志勇黄昉菀...
    116-123页
    查看更多>>摘要：随着城市化进程的不断加快,工业发展、人口聚集使得空气质量问题日益严峻.出于对采集成本的考虑,对空气质量的主动采样正受到越来越多的关注.但现有模型要么只能迭代选择采样位置,要么难以实时更新采样算法.基于此,提出了一种基于压缩感知自适应测量矩阵的空气质量主动采样方法,将采样位置的选择问题转化为矩阵的列子集选择问题.该方法首先利用历史完整数据进行字典学习,然后将学习后的字典经过列子集选择后得到能够指导批量采样的自适应测量矩阵,最后结合利用空气质量数据特性构建的稀疏基矩阵恢复出未采样的数据.该方法使用压缩感知模型一体化实现采样和推断,避免了使用多个模型的不足.此外,考虑到空气质量的时序变动问题,在每一次的主动采样后,字典还会利用最新数据进行在线更新以指导下一次的采样.两个真实数据集上的实验结果表明,经过字典学习后得到的自适应测量矩阵在低于20％的多个采样率下,恢复性能优于所有基线.

    群智感知压缩感知自适应测量矩阵字典学习主动采样

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

    一种基于属性相似性和分布结构连通性的聚类算法

    孙浩文丁家满李博文贾连印...
    124-132页
    查看更多>>摘要：聚类分析针对不同的数据特点采用不同的相似性度量,现实世界中数据分布复杂,存在分布无规律、密度不均匀等现象,单独考虑实例属性相似性或分布结构连通性会影响聚类效果.为此,提出了一种基于属性相似性和分布结构连通性的聚类算法(A Clustering Algorithm Based on Attribute Similarity and Distributed Structure Connectivity,ASDSC).首先,利用待聚类数据集中的所有数据实例构建完全无向图,定义了一种兼顾属性相似和分布结构连通的新颖相似性度量方式,用于计算节点相似性,并构造邻接矩阵更新边的权重;其次,借助邻接矩阵执行递增步长的随机游走,依据顶点的连通中心性来识别簇中心并给定簇编号,同时获取其他顶点的连通性;然后,利用连通性计算顶点间的依赖关系,并据此进行簇编号的传播,直至完成聚类.最后,为了验证该方法的聚类性能,在16个合成数据集和10个真实数据集上与5种先进聚类算法进行了对比实验,ASDSC算法取得了优异性能.

    聚类相似性度量属性相似性分布结构连通性簇编号传播

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

    CCF福州换届选举,毛国君竞选连任主席

    CCF微信公众号
    132页
      原文链接:
    • NETL
    • NSTL
    • 万方数据

    融合遗忘机制的多模态知识追踪模型

    闫秋艳孙浩司雨晴袁冠...
    133-139页
    查看更多>>摘要：知识追踪是构建自适应教育系统的核心和关键,常被用以捕获学生的知识状态、预测学生的未来表现.以往的知识追踪模型仅根据结构信息对问题、技能进行建模,无法利用问题、技能的多模态信息构造其相互依赖关系.同时,关于学生的记忆水平仅以时间做量化,未考虑不同模态对记忆水平的影响.因此,提出了融合遗忘机制的多模态知识追踪模型.首先,对问题、技能节点,以图文匹配作为训练任务优化单模态嵌入,并通过计算多模态融合后节点间的相似度,获得问题和技能的关联权重从而计算生成问题节点的嵌入.其次,通过长短期记忆网络获取带有遗忘因素的学生知识状态,并将其融入学生的答题记录中生成学生节点的嵌入.最后,根据学生的答题次数和不同模态的有效记忆率计算学生和问题间的关联强度,通过图注意力网络进行信息传播,预测学生对不同问题的答题情况.在两个真实课堂自采数据集上进行了对比实验和消融实验,结果表明所提方法比其他基于图的知识追踪模型具有更好的预测精度,且针对多模态和遗忘机制的设计能有效提升原始模型的预测效果.同时,通过对一个具体案例的可视化分析,进一步说明了所提方法的实际应用效果.

    知识追踪多模态异质图遗忘机制

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

    基于多嵌入融合的top-N推荐

    杨真真王东涛杨永鹏华仁玉...
    140-145页
    查看更多>>摘要：异构信息网络(Heterogeneous Information Network,HIN)凭借其丰富的语义信息和结构信息被广泛应用于推荐系统中,虽然取得了很好的推荐效果,但较少考虑局部特征放大、信息交互和多嵌入聚合等问题.针对这些问题,提出了一种新的用于top-N推荐的多嵌入融合推荐(Multi-embedding Fusion Recommendation,MFRec)模型.首先,该模型在用户和项目学习分支中都采用对象上下文表示网络,充分利用上下文信息以放大局部特征,增强相邻节点的交互性;其次,将空洞卷积和空间金字塔池化引入元路径学习分支,以便获取多尺度信息并增强元路径的节点表示;然后,采用多嵌入融合模块以便更好地进行用户、项目以及元路径的嵌入融合,细粒度地进行多嵌入之间的交互学习,并强调了各特征的不同重要性程度;最后,在两个公共推荐系统数据集上进行了实验,结果表明所提模型MFRec优于现有的其他top-N推荐系统模型.

    异构信息网络推荐系统top-N推荐多嵌入融合注意力机制

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

    融入多影响力与偏好的图对比学习社交推荐算法

    胡海波杨丹聂铁铮寇月...
    146-155页
    查看更多>>摘要：目前,基于图神经网络的社交推荐方法主要对社交信息和交互信息的显式关系和隐式关系进行联合建模,以缓解冷启动问题.尽管这些方法较好地聚合了社交关系和交互关系,但忽略了高阶隐式关系并非对每个用户都有相同的影响,并且监督学习的方法容易受到流行度偏差的影响.此外,这些方法主要聚焦用户和项目之间的协作关系,没有充分利用项目之间的相似关系.因此,文中提出了一种融入多影响力与偏好的图对比学习社交推荐算法(SocGCL).一方面,引入节点间(用户和项目)融合机制和图间融合机制,并考虑了项目之间的相似关系.节点间融合机制区分图内不同节点对目标节点的不同影响;图间融合机制聚合多种图的节点嵌入表示.另一方面,通过添加随机噪声进行跨层图对比学习,有效缓解了社交推荐的冷启动问题和流行度偏差.在两个真实数据集上进行实验,结果表明,SocGCL优于其他基线方法,有效提高了社交推荐的性能.

    社交推荐注意力机制图对比学习图神经网络

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

    社交网络中基于EHEM的两阶段谣言抑制方法

    刘维吴飞郭震陈崚...
    156-166页
    查看更多>>摘要：在线社交网络的兴起带来了一系列的挑战与风险,其中包括虚假以及恶意谣言的传播,这可能会误导民众,破坏社会的稳定.因此,对谣言的传播进行抑制成为当前社交网络领域的热点问题.目前已经积累较多谣言抑制的工作,但是还存在模型不能准确描述信息在社交网络上传播的问题,因此提出了一种新的刻画信息传播的模型——扩展热量模型(Extended Heat Energy Model,EHEM).该模型充分考虑了信息传播中节点激活概率的动态调整机制、信息传播的持续级联机制以及节点状态的动态转变机制,更加精准地捕捉了信息在网络上传播的爆炸性和复杂性;其次,考虑到在真实世界相信谣言的节点在接触真相后存在将信仰转变到相信真相的可能性,提出了校正阈值来确定节点是否会发生信仰的转换;节点的重要程度决定了它们自身的影响力,因此还提出了节点多维质量来衡量节点的重要程度;最后提出了两阶段的谣言抑制(Two Stage Rumor Contain-ment,TSRC)算法,该算法首先使用节点多维质量对网络进行剪枝处理,之后通过模拟的方式从网络中选出最优的正种子集合.在4个真实数据集上进行实验,结果表明,所提算法在多个指标上优于Random,Betweenness,MD,PR,PWD和ContrId这6种对比算法.

    信息传播社交网络谣言抑制影响力最小化谣言抑制策略

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