首页期刊导航|计算机研究与发展
期刊信息/Journal information
计算机研究与发展
计算机研究与发展

徐志伟

月刊

1000-1239

crad@ict.ac.cn

010-62620696;62600350

100190

北京中关村科学院南路6号

计算机研究与发展/Journal Journal of Computer Research and DevelopmentCSCD北大核心CSTPCDEI
查看更多>>本刊是中国科学院计算技术研究所和中国计算机学会联合主办、科学出版社出版的学术性刊物、中国计算机学会会刊，我国第一个计算机刊物。主要刊登计算机科学技术领域高水平的学术论文、最新科研成果和重大应用成果。
正式出版
收录年代

    前言

    梁吉业石川徐童
    1863-1864页
      原文链接:
    • NETL
    • NSTL
    • 万方数据

    动态有权图上的随机游走概率计算

    王涵之易璐魏哲巍甘骏豪...
    1865-1881页
    查看更多>>摘要：图上的随机游走概率计算是传统图论与现代数据挖掘领域普遍关注的问题之一.现有工作普遍关注静态图上的随机游走概率计算,却鲜少关注与实际应用场景更贴合的权重动态图.针对动态有权图上的随机游走概率计算问题,提出了一种基于硬币翻转采样的随机游走概率计算方法.相比于传统的基于权重采样的随机游走概率计算方法,所提方法可以在保证随机游走概率计算结果无偏的前提下,同时做到近似最优的随机游走概率计算复杂度和最优的采样结构更新复杂度.作为对比,现有方法或具有较大的计算时间复杂度,或依赖于复杂的索引结构而难以在动态图上即时更新.对所提方法做出了详细的理论分析,并在真实图数据集上进行模拟实验,实验结果证实了所提方法的有效性.

    随机游走概率计算动态有权图硬币翻转采样实时更新大规模图

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

    针对大规模动态图流三角形计数的边哈希分布式抽样算法

    何玉林吴波吴定明黄哲学...
    1882-1903页
    查看更多>>摘要：三角形计数是大图分析的一个经典问题,近年的研究工作主要集中在针对静态流式图的三角形数量估计上,相关流式图抽样算法只能处理边的插入操作,无法处理边的删除操作;而现有的动态流式图抽样算法估计准确性又偏低.针对上述问题,提出了基于边哈希分配的分布式抽样(edge hashing assignment-based distributed sampling,EHADS)算法,它是一个用于估计动态流式图中三角形数量的分布式流算法,可以快速准确地估计动态流式图中的全局三角形数量以及每个顶点的局部三角形数量.EHADS算法只对输入的图流进行 1次处理,并在多台机器上对边进行抽样.与先进的单机流算法相比,EHADS算法具有2点优势:1)在相同样本容量的情况下,EHADS算法以更短的运行时间获得了更小的估计误差,估计全局三角形数量的误差平均降低了 31.79%,估计局部三角形数量的误差平均降低了 23.35%;2)EHADS算法能够提供流式图中三角形数量的无偏估计,并且严格的数学证明显示该无偏估计具有更小的方差.

    三角形计数动态图流边抽样分布式流算法边哈希分配

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

    图多智能体任务建模视角下的协作子任务行为发现

    李超李文斌高阳
    1904-1916页
    查看更多>>摘要：大量多智能体任务都表现出近似可分解结构,其中相同交互集合中智能体间交互强度大,而不同交互集合中智能体间交互强度小.有效建模该结构并利用其来协调智能体动作选择可以提升合作型多智能体任务中多智能体强化学习算法的学习效率.然而,目前已有工作通常忽视并且无法有效实现这一目标.为解决该问题,使用动态图来建模多智能体任务中的近似可分解结构,并由此提出一种名叫协作子任务行为(coordinated subtask pattern,CSP)的新算法来增强智能体间局部以及全局协作.具体而言,CSP算法使用子任务来识别智能体间的交互集合,并利用双层策略结构来将所有智能体周期性地分配到多个子任务中.这种分配方式可以准确刻画动态图上智能体间的交互关系.基于这种子任务分配,CSP算法提出子任务内和子任务间行为约束来提升智能体间局部以及全局协作.这 2种行为约束确保相同子任务内的部分智能体间可以预知彼此动作选择,同时所有智能体选择优异的联合动作来最大化整体任务性能.在星际争霸环境的多个地图上开展实验,实验结果表明CSP算法明显优于多种对比算法,验证了所提算法可以实现智能体间的高效协作.

    多智能体强化学习合作型任务近似可分解结构动态图协作

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

    GraphMLP-Mixer:基于图-多层感知机架构的高效多行为序列推荐方法

    卢晓凯封军韩永强王皓...
    1917-1929页
    查看更多>>摘要：在多行为序列推荐领域,图神经网络(GNNs)虽被广泛应用,但存在局限性,如对序列间协同信号建模不足和处理长距离依赖性等问题.针对这些问题,提出了一种新的解决框架GraphMLP-Mixer.该框架首先构造全局物品图来增强模型对序列间协同信号的建模,然后将感知机-混合器架构与图神经网络结合,得到图-感知机混合器模型对用户兴趣进行充分挖掘.GraphMLP-Mixer具有 2个显著优势:一是能够有效捕捉用户行为的全局依赖性,同时减轻信息过压缩问题;二是其时间与空间效率显著提高,其复杂度与用户交互行为的数量成线性关系,优于现有基于GNN多行为序列推荐模型.在 3个真实的公开数据集上进行实验,大量的实验结果验证了GraphMLP-Mixer在处理多行为序列推荐问题时的有效性和高效性.

    多行为建模序列推荐图神经网络MLP架构全局物品图

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

    基于三分支图外部注意力网络的轻量化跨域序列推荐

    张劲羽马晨曦李超赵中英...
    1930-1944页
    查看更多>>摘要：跨域序列推荐(cross-domain sequential recommendation,CSR)旨在通过挖掘用户在多域混合序列中的行为偏好来为其提供跨域个性化推荐服务.近年来,研究人员开始尝试将图卷积网络(graph convolution network,GCN)集成到CSR中,以建模用户和项目之间的复杂关系.然而,基于图的CSR方法大多通过复杂的结构来捕捉用户在多个域中的序列行为模式,这导致其通常具有较高的计算复杂度和较大的内存开销,限制了模型在资源受限设备上的应用.此外,已有的轻量级图跨域序列推荐方法认为,应该采用单层聚合协议(single layer aggregating protocol,SLAP)来学习跨域序列图(cross-domain sequential graph,CSG)上的嵌入表示.基于这种协议的图卷积网络,能够规避多层聚合协议所带来的额外跨域噪声,但却难以捕捉域内的高阶序列依赖关系.为了解决上述挑战,提出了一种轻量级的三分支图外部注意力网络(tri-branches graph external attention network,TEA-Net).具体而言,TEA-Net首先将原始CSG分为域间以及域内序列图,并设计了一种并行的三分支图卷积网络结构来学习图中的节点表示.该结构能够以较低的计算开销,在不引入额外跨域噪声的条件下,学习域间的低阶协同过滤关系和域内的高阶序列依赖关系.其次,在三分支结构的基础上,提出了一种改良的外部注意力(external attention,EA)组件,该组件移除了EA中的非线性通道,使其能够以更低的开销挖掘项目序列依赖关系并将注意力权重在多个分支上共享.在 2个真实数据集上进行了广泛的实验来验证TEA-Net的性能表现.与 10种最先进的CSR方法相比,TEA-Net在轻量化性能和预测精度方面均取得了更好的结果.

    推荐系统轻量化跨域序列推荐外部注意力图神经网络协同过滤

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

    Graph4Cache:一种用于缓存预取的图神经网络模型

    尚晶武智晖肖智文张逸飞...
    1945-1956页
    查看更多>>摘要：大多数计算系统利用缓存来减少数据访问时间,加快数据处理并平衡服务负载.缓存管理的关键在于确定即将被加载到缓存中或从缓存中丢弃的合适数据,以及进行缓存置换的合适时机,这对于提高缓存命中率至关重要.现有的缓存方案面临 2个问题:在实时的、在线的缓存场景下难以洞察用户访问数据的热度信息,以及忽略了数据访问序列之间复杂的高阶信息.提出了一个基于GNN的缓存预取网络Graph4Cache.通过将单个访问序列建模为有向图(ASGraph),并引入虚拟节点聚合图中所有节点的信息和表示整个序列.然后由ASGraph的虚拟节点构造一个跨序列无向图(CSGraph)来学习跨序列特征,这极大地丰富了单个序列中有限的数据项转换模式.通过融合这 2种图结构的信息,学习到了序列之间的高阶关联信息,并获取了丰富的用户意图.在多个公共数据集上的实验结果证明了该方法的有效性.Graph4Cache在P@20和MRR@20上均优于现有的缓存预测算法.

    图神经网络缓存预取访问序列图跨序列图缓存预测

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

    面向企业信用风险评估的多视角异质图神经网络方法

    魏少朋梁婷赵宇庄福振...
    1957-1967页
    查看更多>>摘要：企业信用风险评估是一个重要且具有挑战的问题.由于金融市场中存在大量的异质关联关系,使得异质图神经网络天然适合建模企业信用风险.然而,现有大部分研究不能充分捕捉到复杂金融网络中企业的综合信用风险.针对此问题,提出了一个面向企业信用风险评估的多视角异质图神经网络方法——CRGNN.该方法包含自身风险编码器以及传染风险编码器,其中自身风险编码器建模基于企业特征信息的自身风险,传染风险编码器由新提出的分层异质图Transformer网络和分层异质图特征注意力网络 2个子模块组成.这 2个模块分别挖掘基于企业不同邻居视角的传染风险和基于不同特征维度视角的传染风险.为了充分利用异质关系信息,2个模块都采用了分层机制.在企业破产预测数据集SMEsD和企业信用评估数据集ECAD上进行了大量的实验,AUC指标相比最优基线模型分别提高了 3.98个百分点和 3.47个百分点.

    图神经网络信用风险评估传染风险深度学习金融科技

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

    基于异常感知的变分图自编码器的图级异常检测算法

    林馥李明康罗学雄张书豪...
    1968-1981页
    查看更多>>摘要：图异常检测在识别复杂数据结构的异常模式中具有重要作用,被广泛地应用于有害分子识别、金融欺诈检测、社交网络分析等领域.但目前的图异常检测研究大多数聚焦在节点级别的异常检测,针对图级别的异常检测方法仍然较少,且这些方法并不能对异常图数据进行充分挖掘,且对异常标签比较敏感,无法有效地捕捉异常样本的特征,存在模型泛化能力差、性能翻转问题,异常检测能力有待提升.提出了一种基于异常感知的变分图自编码器的图级异常检测算法(anomaly-aware variational graph autoencoder based graph-level anomaly detection algorithm,VGAE-D),利用具有异常感知能力的变分图自编码器提取正常图和异常图数据的特征,并差异化正常图和异常图在编码空间中的编码信息分布,对图编码信息进一步挖掘来计算图的异常得分.在不同领域的 8个公开数据集上进行实验,实验结果表明,提出的图级别异常检测方法能有效地对不同数据集中的异常图进行识别,异常检测性能高于目前主流的图级别异常方法,且具有少异常样本学习能力,较大程度上克服了性能翻转问题.

    图级别异常检测图神经网络变分图自编码器图表示学习少样本学习

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

    基于事件驱动的超图卷积网络的谣言检测方法

    曾智赵书庆刘欢赵翔...
    1982-1992页
    查看更多>>摘要：依靠社交平台谣言传播链检测谣言是社交网络分析研究中的一个重要课题.但以往的研究大多将这个任务过度简化为依靠评论的传播链检测谣言,忽略了对现实世界新闻帖的复杂用户和事件交互的关注,难以捕捉到这些信息提供的潜在检测线索.针对该挑战,提出了一个事件驱动的超图卷积网络(event-driven hypergraph convolutional network,EHGCN),首次尝试将新闻、用户和事件建模在一个统一的超图卷积网络之中,以提升谣言检测性能.具体而言,基于用户的中心网络构建同质用户圈,以增强用户感知的谣言检测.此外,EHGCN联合利用事件内的主事件和子事件关联以及事件间的不一致性关联来进行谣言检测.在3个真实世界的数据集上进行的实验结果验证了EHGCN相较于现有方法在谣言检测方面的优势.研究也证实EHGCN可以通过获取丰富的用户社交圈和事件信息,在谣言传播早期及时发现谣言.

    谣言检测事件驱动超图卷积网络同质用户圈

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