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

    命题逻辑中文字块矛盾型及子句正则矛盾体

    王成龙何星星臧珲李莹芳...
    272-277页
    查看更多>>摘要：归结原理是自动推理中一种简洁、可靠且完备的推理规则.基于矛盾体分离的自动演绎理论是归结原理的延伸,矛盾体是该理论的核心部分.由于矛盾体结构复杂且生成策略较少,因此文中提出了一种新的生成矛盾体的策略,即利用多个标准矛盾体生成文字块矛盾型,再通过添加互补矛盾集得到新的矛盾体.重点讨论了具有特殊结构的文字块矛盾型生成的矛盾体,即子句正则矛盾体的性质,这些性质说明了具有特定结构的子句正则矛盾体添加子句后仍然是矛盾体.最后,提出了矛盾体的生成算法,为在计算机上实现新的矛盾体的生成提供参考.

    标准矛盾体命题逻辑文字块矛盾型子句正则矛盾体

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

    基于关键词异构图的生成式摘要研究

    毛兴静魏勇杨昱睿琚生根...
    278-286页
    查看更多>>摘要：生成式摘要是自然语言处理中的重要任务,它帮助人们从海量文本中提取简洁而重要的信息.目前主流的生成式摘要模型是基于深度学习的序列到序列模型,这类模型生成的摘要质量更高.但由于缺乏对原文中关键词和句子之间的依赖关系的关注,现有模型生成的摘要仍然存在语义不明、重要信息含量低等问题.针对这个问题,提出了一种基于关键词异构图的生成式摘要模型.该模型通过从原始文本中提取关键词,将其与句子共同作为输入构建异构图,进而学习关键词和句子之间的依赖关系.文档编码器和图编码器分别用于学习文本知识和异构图中的依赖关系.此外,在解码器中采用分层图注意力机制来提高模型在生成摘要时对显著信息的关注.在CNN/Daily Mail和XSum数据集上进行了充分的实验,实验结果表明,所提模型在ROUGE评价指标上有了显著的提升.进一步的人类评估结果显示,所提模型所生成的摘要比基线模型包含更多的关键信息,并具有更高的可读性.

    生成式摘要关键词异构图图注意力序列到序列模型

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

    CCF算法大赛(CAC)启动会在京召开

    CCF微信公众号
    286页
      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于联合学习的语言粒度融合的重叠事件抽取方法

    闫婧涛李旸王素格潘邦泽...
    287-295页
    查看更多>>摘要：事件抽取是一项重要的信息抽取任务,现有的事件抽取方法大多假设一个句子中仅出现一个事件,然而,在真实的场景下,重叠事件是难以避免的.文中提出了一种基于联合学习的语言粒度融合的重叠事件抽取方法.该方法设计了基于token数目逐层递增和逐层递减的策略,对不同语言粒度的片段进行表示,在此基础上,构建了渐进式语言粒度融合的句子表示.通过引入事件信息感知,建立了基于门控机制的语言粒度和事件信息融合的句子表示.最后,通过联合学习词间的片段关系和角色关系,实现对事件触发词、论元、事件类型和论元角色的判别.在FewFC和DuEE1.0-1数据集上进行了实验,所提LGFEE模型在事件类型判别任务上的F1值分别提高了0.8％和0.6％,在触发词识别、论元识别、论元角色分类任务上也获得了较高的召回率和F1值,验证了其有效性.

    重叠事件抽取语言粒度融合联合学习注意力机制门控机制

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

    CINOSUM:面向多民族低资源语言的抽取式摘要模型

    翁彧罗皓予超木日力格刘轩...
    296-302页
    查看更多>>摘要：针对现有的模型无法处理多民族低资源语言自动摘要生成的问题,基于CINO提出了一种面向多民族低资源语言的抽取式摘要模型CINOSUM.为扩大文本摘要的语言范围,首先构建了多种民族语言的摘要数据集MESUM.为解决以往模型在低资源语言上效果不佳的问题,构建了一个框架,采用统一的句子抽取器,以进行不同民族语言的抽取式摘要生成.此外,提出采用多语言数据集的联合训练方法,旨在弥补知识获取上的不足,进而扩展在低资源语言上的应用,显著增强模型的适应性与灵活性.最终,在MESUM数据集上开展了广泛的实验研究,实验结果表明CINOSUM模型在包括藏语和维吾尔语在内的多民族低资源语言环境中表现卓越,并且在ROUGE评价体系下取得了显著的性能提升.

    抽取式摘要多语言预训练模型低资源语言信息处理知识迁移

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

    融合多图卷积与层级池化的文本分类模型

    魏子昂彭舰黄飞虎琚生根...
    303-309页
    查看更多>>摘要：文本分类是自然语言处理中的一个重要问题,其目的是将标签分配给输入的文档.在文本分类任务中,单词间的共现关系提供了文本特性及词汇分布的重要视角,而词嵌入信息能提供丰富的语义信息,并对全局词汇交互和潜在语义关系造成影响.然而,过去的研究未能有效整合这两方面,或过度关注其中一方面.在这样的背景下,文中提出了一种新的方法,用于自适应地融合这两类信息,在考虑结构关系和嵌入信息的同时,找到一个合理的平衡以提高模型效果.该模型首先从词汇共现模式和语义嵌入信息的角度将文本数据构建成文本共现图和文本嵌入图,利用图卷积来增强节点嵌入,图池化层融合节点嵌入并识别保留重要性更高的节点,遵循分层池化模式并按层学习文档级表示,并引入门控融合模块对两个图的嵌入进行自适应的融合.在5个公开的文本分类数据集上进行了大量实验,结果表明了HTGNN在文本分类任务上的优异性能.

    文本分类图神经网络图表示学习图分类注意力机制

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

    基于动态图表示的设备故障推理预测方法

    张慧张骁雄丁鲲刘姗姗...
    310-318页
    查看更多>>摘要：高效的设备运维可以保障设备的正常运行.然而,随着设备复杂程度越来越高,设备的维护和故障排查的复杂度和难度也不断增加.因此,人工方式越来越不能满足智能化设备的运维需要.智能运维将人工智能等新兴技术运用于运维过程,可以作为设备运维的有力支撑.但现有的很多方法依旧存在着未考虑动态性等不足.针对上述问题,提出了一种基于动态知识图谱表示学习的设备故障推理预测方法,用于预测目标设备是否与故障设备存在潜在的关联.该方法结合动态知识图谱表示学习和图表示推理模型,可以利用实时数据更新图网络,并运用图表示推理模型对新的故障数据进行推理.首先,使用动态知识图谱来表示设备运维数据,记录设备随时间的演化过程,从而有效地表达设备之间关系的动态变化性;然后,通过表示学习获得动态知识图谱中源故障设备和目标设备的时间感知表示;最后,将时间感知表示作为输入进行故障推理预测,判断设备之间是否存在潜在的关联.预测结果可以辅助运维人员解决相应的设备故障问题.在多个数据集上进行了实验,验证了所提方法的有效性.

    动态知识图谱表示学习链接推理预测时间感知设备运维

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

    基于深度确定性策略梯度与注意力Critic的多智能体协同清障算法

    王宪伟冯翔虞慧群
    319-326页
    查看更多>>摘要：动态障碍物一直是阻碍智能体自主导航发展的关键因素,而躲避障碍物和清理障碍物是两种解决动态障碍物问题的有效方法.近年来,多智能体躲避动态障碍物(避障)问题受到了广大学者的关注,优秀的多智能体避障算法纷纷涌现.然而,多智能体清理动态障碍物(清障)问题却无人问津,相对应的多智能体清障算法更是屈指可数.为解决多智能体清障问题,文中提出了一种基于深度确定性策略梯度与注意力Critic的多智能体协同清障算法(Multi-Agent Cooperative Algorithm for Obsta-cle Clearance Based on Deep Deterministic Policy Gradient and Attention Critic,MACOC).首先,创建了首个多智能体协同清障的环境模型,定义了多智能体及动态障碍物的运动学模型,并根据智能体和动态障碍物数量的不同,构建了4种仿真实验环境;其次,将多智能体协同清障过程定义为马尔可夫决策过程(Markov Decision Process,MDP),构建了多智能体t的状态空间、动作空间和奖励函数;最后,提出一种基于深度确定性策略梯度与注意力Critic的多智能体协同清障算法,并在多智能体协同清障仿真环境中与经典的多智能体强化学习算法进行对比.实验证明,相比对比算法,所提出的MACOC算法清障的成功率更高、速度更快,对复杂环境的适应性更好.

    强化学习算法马尔可夫决策过程多智能体协同控制动态障碍物清除注意力机制

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

    Deep-Init:基于深度学习的视觉惯性里程计非联合初始化方法

    史殿习高云琦宋林娜刘哲...
    327-336页
    查看更多>>摘要：对于非线性的单目VIO系统来说,其初始化过程至关重要,初始化结果的好坏直接影响整个系统运行过程中状态估计的精度.为此,将深度学习方法引入单目VIO系统的初始化过程中,提出了一种高效的非联合初始化方法(简称Deep-Init),其核心是使用深度神经网络对IMU中陀螺仪的偏置和噪声等随机误差项进行准确估计,得到初始化过程中的关键参数,即陀螺仪的bias;同时,将IMU预积分与SfM进行松耦合,通过位置和旋转对齐,使用最小二乘法对绝对尺度、速度以及重力矢量等进行快速恢复,并将其作为初始值来引导非线性紧密耦合的优化框架.由于深度神经网络对陀螺仪数据进行补偿,从而大大提高了IMU中旋转估计量的准确性,有效提高了IMU数据的信噪比,同时减少了最小二乘方程失效的次数,因此进一步减少了计算量.使用去除误差项的陀螺仪数据的预积分量替换SfM中的旋转量,将IMU的旋转量作为真值,不仅避免了将不准确的SfM值作为真值进行初始化时所带来的误差,有效提升了系统状态估计的精度,而且能够有效地适应高速运动、光照变换剧烈和纹理重复等SfM估计效果差的场景.在EuRoC数据集上,对所提方法的有效性了进行实验验证,实验结果表明,所提出的初始化方法Deep-Init无论是精度还是耗时均取得了良好的效果.

    视觉惯性里程计深度学习初始化惯性测量单元

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

    基于特征手性的数据无关模型评估方法

    苗壮季时鹏吴波付睿智...
    337-344页
    查看更多>>摘要：模型评估是评判卷积神经网络模型性能的重要手段,多用于卷积神经网络模型的设计、对比和应用过程.然而,现有的模型评估方法大多需要使用测试数据运行模型得到相关评估指标,当测试数据因隐私、版权与保密等原因无法获取时难以发挥作用.为了解决此问题,提出了一种数据无关的卷积神经网络模型评估方法,其利用特征手性的相关特性,通过计算卷积核之间的距离来确定模型的评估指标.所提方法利用不同卷积神经网络模型的性能表现与卷积核距离之间的负相关性,验证了在不使用测试数据的情况下,直接利用模型参数评估模型相对性能排名的可行性与有效性.对比实验表明,使用欧氏距离测度来评估AlexNet,VGGNets,ResNets,EfficientNets这4类包括17个卷积神经网络的模型精度时,该模型评估方法的盲评准确性高,能够较好地完成模型评估任务.

    数据无关模型评估特征手性距离测度卷积核距离

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