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

    一种时序数据模式演化的跟踪与查询方法

    赵鑫万英格刘英博
    1869-1886页
    查看更多>>摘要：在物联网与大数据应用蓬勃发展的背景下,各类感知设备产生海量的时序数据,设备管理软件版本的快速迭代导致时序数据的模式演化问题日益凸显.模式演化要求对数据模式进行版本管理,使数据进行模式变更时不产生信息损失,且支持对数据跨模式版本进行读写操作.结合流行的时序数据库管理系统,调研总结了各类数据库管理系统对模式演化的支持情况,对时序数据及其模式进行了形式化表述,对其模式演化的过程进行了分析,设计了一种面向时序数据的模式演化跟踪及查询方法,形式化表达了模式跟踪及跨模式版本查询的整体框架与关键步骤,并在时序数据库Apache IoTDB上进行了实现与测试.最后,分析了实现系统的性能,并展望了未来研究方向.

    时序数据库时序数据模式演化多模式版本数据查询重写

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

    智能服务终端的探索性自适应FSM测试方法

    聂钰格殷蓓蓓裴翰宇李莉...
    1887-1901页
    查看更多>>摘要：随着智能化时代的到来,以自动饮料售卖机、自动地铁售票机、ATM机等为代表的智能服务终端对人们的生活起到了越来越重要的作用,对智能服务终端进行全面有效的测试以防止其可能出现的各种错误,提升用户体验变得十分重要.针对目前软件版本更新频繁、开发与测试难以对接、边开发边测试导致的测试工作量庞大且难以规范化等问题,根据智能服务终端状态及状态迁移特征明显的特点,提出一种在规格说明不充分、软件快速迭代需要不断回归测试情况下仍能被高效使用的测试方案——基于FSM(finite state machine)的探索性自适应测试.该方法首先通过探索性测试获得待测系统的状态及迁移信息,然后把它们建模成FSM,根据模型及已经执行过的测试用例,以状态及状态迁移覆盖为准则生成测试用例,在测试过程中不断地对测试模型及相应的测试用例进行自适应调整.基于该方法,通过集成开源软件Graphwalker,搭建了 一个实验平台,选择了 10种不同种类的常用智能服务终端,通过实验评估其有效性.实验结果表明,该方法生成的测试用例数量少,测试充分性程度高,可以高效地发现智能服务终端系统中存在的缺陷和问题.

    有限状态机测试智能服务终端自适应测试探索性测试探索性自适应FSM测试

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

    基于梯度博弈的网络化软件优化机制

    舒畅李青山王璐王子奇...
    1902-1913页
    查看更多>>摘要：为了提高服务效率和实现更多样的功能,越来越多的软件系统选择将业务或服务部署在不同的物理设备上,使用互联网通信协作,这类软件系统被称为网络化软件,然而此类软件高度分布的特点为系统的调控带来了难题.基于博弈理论解决网络化软件的优化决策问题,让系统中的软件节点交换信息,并根据收益函数调整自身状态,实现系统的整体优化;同时,通过多智能体一致性理论克服优化过程中可能存在通信的问题,让软件节点使用不完全的系统信息做出决策;此外,提出了 自适应步长机制和强制协调机制,基于节点间的估计误差值对部分参数进行合理调整,有效缓解了此类方法容易发散、参数选择困难的问题,实现了状态寻优和估计误差修正间的有效协同,提高了方法的收敛速度.

    网络化软件梯度博弈连续博弈多智能体系统一致性分布式优化去中心化

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

    基于深度学习的数据竞争检测方法

    张杨乔柳东春浩高鸿斌...
    1914-1928页
    查看更多>>摘要：针对目前已有的基于深度学习的数据竞争检测方法提取特征单一和准确率低的问题,提出一种基于深度学习的数据竞争检测方法DeleRace,该方法首先利用程序静态分析工具 WALA从多个实际应用程序中提取指令、方法和文件等多个级别的特征,对其向量化并构造训练样本数据;然后通过ConRacer工具对真实数据竞争进行判定进而标记样本数据,采用SMOTE增强算法使正负数据样本分布均衡化;最后构建并训练CNN-LSTM 深度神经网络进行数据竞争检测.从DaCapo,JGF,IBM Contest,PJBench基准测试程序套件中分别选取26个不同应用领域的基准测试程序进行训练数据样本抽取和数据竞争检测,结果表明DeleRace的数据竞争检测准确率为96.79％,与目前已有的基于深度学习的检测方法DeepRace相比提升了 4.65％.此外还将DeleRace与已有的动态数据竞争检测工具(Said和RVPredict)和静态数据竞争检测工具(SRD和ConRacer)进行比较,验证了 DeleRace的有效性.

    数据竞争并发程序深度学习特征抽取CNN-LSTM模型

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

    自适应软件系统模型偏差检测方法的适用性评估

    童燕翔秦逸马晓星
    1929-1946页
    查看更多>>摘要：自适应软件系统的模型偏差会导致诸多可靠性问题.对控制型自适应软件系统而言,其面临的模型偏差源自描述软件系统的标称模型在非确定运行环境中的漂移现象.现有模型偏差检测方法往往忽视了不同模型偏差之间的差异性,导致用户难以为其特定的应用场景选择合适的检测方法.针对这一问题,提出了 一套特性指标,用于评估模型偏差检测方法在不同模型偏差场景下的适用性.该特性指标基于提出的模型偏差检测框架,系统分析了模型偏差检测过程中的重要因素,并提取控制信号强度、环境输入强度和非确定性强度作为量化的特性指标.基于这些特性指标,实验研究4种主流模型偏差检测方法在不同场景下的检测效果,并总结不同模型偏差检测方法对于自适应软件系统不同特性场景的适用性.

    自适应软件控制型自适应软件系统模型偏差运行时验证场景特性

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

    新一代知识图谱关键技术综述

    王萌王昊奋李博涵赵翔...
    1947-1965页
    查看更多>>摘要：近年来,国内外在新一代知识图谱的关键技术和理论方面取得了一定进展,以知识图谱为载体的典型应用也逐渐走进各个行业领域,包括智能问答、推荐系统、个人助手等.然而,在大数据环境和新基建背景下,数据对象和交互方式的日益丰富和变化,对新一代知识图谱在基础理论、体系架构、关键技术等方面提出新的需求,带来新的挑战.将综述国内外新一代知识图谱的关键技术研究发展现状,重点从非结构化多模态数据组织与理解、大规模动态图谱表示学习与预训练模型、神经符号结合的知识更新与推理3方面对国内外研究的最新进展进行归纳、比较和分析.最后,就未来的技术挑战和研究方向进行展望.

    知识图谱多模态数据表示学习预训练模型认知智能神经符号系统

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

    一种融合关系路径与实体描述信息的知识图谱表示学习方法

    宁原隆周刚卢记仓杨大伟...
    1966-1979页
    查看更多>>摘要：知识图谱表示学习旨在通过学习的方法将知识图谱中的实体和关系映射到一个连续的低维向量空间而获得其向量表示.已有的知识图谱表示学习方法大多仅从三元组角度考虑实体间的单步关系,未能有效利用多步关系路径及其实体描述等重要信息,从而影响性能.针对上述问题,提出了一种融合关系路径与实体描述的知识图谱表示学习模型.首先,对知识图谱中的多步关系路径进行联合表示,将路径上的所有关系和实体相加,得到关系路径信息的表示;其次,使用BERT(bidirectional encoder representations from transformers)模型对实体描述信息进行编码,得到相对应的语义表示;最后,对知识图谱中的三元组表示、实体描述的语义表示以及关系路径的表示进行融合训练,得到融合向量表示.在FB15K,WN18,FB15K-237,WN18RR数据集上,对提出的模型和基准模型进行链接预测和三元组分类任务,实验结果表明,与现有的基准模型相比,该模型在2项任务中均具有更高的准确性,证明了方法的有效性和优越性.

    知识图谱表示学习知识推理关系路径实体描述

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

    一种面向实体关系联合抽取中缓解曝光偏差的方法

    王震范红杰柳军飞
    1980-1992页
    查看更多>>摘要：实体关系联合抽取的目的是从非结构化文本中同时提取实体提及和关系事实,是知识图构建的关键步骤,也是许多 自然语言处理中高级任务的基础.现有工作大都采用了分阶段的联合抽取方法来处理文本中同时存在的多个三元组和实体重叠情况下的三元组抽取问题,虽然取得了合理的性能提升,但都存在严重的曝光偏差问题.对此,提出了一种名为融合关系表达向量(fusional relation expression embedding,FREE)的新方法,通过融合关系表达向量来有效缓解曝光偏差问题.此外,提出了一种称为条件层规范化层的新特征融合层来更有效地融合先验信息.在2个广泛使用的数据集上进行了大量对比实验,结果表明该方法相较于当前最先进的基线方法具有显著优势,可以更有效地处理各种情况,并在不牺牲效率的前提下取得了与当前针对曝光偏差问题的先进方法相当的性能.

    联合抽取曝光偏差实体重叠三元组融合关系表达向量特征融合

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

    基于关联特征传播的跨模态检索

    张璐曹峰梁新彦钱宇华...
    1993-2002页
    查看更多>>摘要：深度学习的快速发展和关联学习的深度研究,使得跨模态检索的性能有了很大提升.跨模态检索研究面临的挑战是:不同模态的数据在高层语义上具有关联关系,但在底层特征上存在异构鸿沟.现有方法主要通过单个相关性约束将不同模态的特征映射到具有一定相关性的特征空间中来解决底层特征上的异构鸿沟问题.然而,表征学习表明,不同层次的特征在帮助模型最终性能的提升上都会起作用.所以,现有方法学习到的单一特征空间的关联性是弱的,即该特征空间可能不是最优的检索空间.为解决该问题,提出了基于关联特征传播的跨模态检索模型,其基本思想是强化深度网络各层之间的关联性,即前一层具有一定关联的特征经过非线性变化传到后一层,有利于找到使2种模态关联性更强的特征空间.通过在Wikipedia,Pascal数据集上的大量实验验证得到,该方法提升了平均精度均值.

    跨模态检索特征传播深度网络关联学习深度学习

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

    面向小样本情感分类任务的弱监督对比学习框架

    卢绍帅陈龙卢光跃管子玉...
    2003-2014页
    查看更多>>摘要：文本情感分类是自然语言处理领域的挑战性研究课题.基于词典的方法和传统基于机器学习方法分别依赖高质量的情感词典和鲁棒的特征工程,而多数深度学习方法的性能则依赖大规模人工标注数据集.幸运的是,不同社交平台用户生成了大量带标签的舆情文本,这些文本可以作为弱标注数据集被用于情感分类任务,但是弱标注数据集中的噪声样本会对训练过程产生负面影响.提出了一种用于小样本情感分类任务的弱监督对比学习(weakly-supervised contrastive learning,WCL)框架,旨在学习海量带噪声的用户标记数据中的情感语义,同时挖掘少量人工标注数据中潜在的类间对比模式.该框架包括2个步骤:首先,设计了一种弱监督预训练策略来削弱噪声数据的影响;其次,在有监督微调阶段引入对比学习策略来捕获少量有标注数据的对比模式.在亚马逊评论数据集上评估了所提出的方法,实验结果表明所提出的方法显著优于其他同类对比方法.在仅使用0.5％(即32个样本)比例的有标注数据集进行微调的情况下,所提出方法的性能依然超出其他深度方法.

    情感分类弱监督学习有监督对比学习小样本学习迁移学习

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