浏览排行
- 最近一个月内用户统计排行(不含本月)
- 半年内用户统计排行(不含本月)
- 一年内用户统计排行(不含本月)
- 两年内用户统计排行(不含本月)
- 三年内用户统计排行(不含本月)
1
摘要：
云计算、物联网、社交网络等新兴服务促使人类社会的数据种类和规模正以前所未有的速度增长，大数据时代正式到来.数据从简单的处理对象开始转变为一种基础性资源，如何更好地管理和利用大数据已经成为普遍关注的话题.大数据的规模效应给数据存储、管理以及数据分析带来了极大的挑战，数据管理方式上的变革正在酝酿和发生.对大数据的基本概念进行剖析，并对大数据的主要应用作简单对比.在此基础上，阐述大数据处理的基本框架，并就云计算技术对于大数据时代数据管理所产生的作用进行分析.最后归纳总结大数据时代所面临的新挑战.
云计算、物联网、社交网络等新兴服务促使人类社会的数据种类和规模正以前所未有的速度增长，大数据时代正式到来.数据从简单的处理对象开始转变为一种基础性资源，如何更好地管理和利用大数据已经成为普遍关注的话题.大数据的规模效应给数据存储、管理以及数据分析带来了极大的挑战，数据管理方式上的变革正在酝酿和发生.对大数据的基本概念进行剖析，并对大数据的主要应用作简单对比.在此基础上，阐述大数据处理的基本框架，并就云计算技术对于大数据时代数据管理所产生的作用进行分析.最后归纳总结大数据时代所面临的新挑战.
2
2016, 53(3): 582-600.
DOI: 10.7544/issn1000-1239.2016.20148228
摘要：
谷歌知识图谱技术近年来引起了广泛关注，由于公开披露的技术资料较少，使人一时难以看清该技术的内涵和价值.从知识图谱的定义和技术架构出发，对构建知识图谱涉及的关键技术进行了自底向上的全面解析.1)对知识图谱的定义和内涵进行了说明，并给出了构建知识图谱的技术框架，按照输入的知识素材的抽象程度将其划分为3个层次：信息抽取层、知识融合层和知识加工层;2)分别对每个层次涉及的关键技术的研究现状进行分类说明，逐步揭示知识图谱技术的奥秘，及其与相关学科领域的关系;3)对知识图谱构建技术当前面临的重大挑战和关键问题进行了总结.
谷歌知识图谱技术近年来引起了广泛关注，由于公开披露的技术资料较少，使人一时难以看清该技术的内涵和价值.从知识图谱的定义和技术架构出发，对构建知识图谱涉及的关键技术进行了自底向上的全面解析.1)对知识图谱的定义和内涵进行了说明，并给出了构建知识图谱的技术框架，按照输入的知识素材的抽象程度将其划分为3个层次：信息抽取层、知识融合层和知识加工层;2)分别对每个层次涉及的关键技术的研究现状进行分类说明，逐步揭示知识图谱技术的奥秘，及其与相关学科领域的关系;3)对知识图谱构建技术当前面临的重大挑战和关键问题进行了总结.
3
2016, 53(2): 247-261.
DOI: 10.7544/issn1000-1239.2016.20160020
摘要：
人们构建的知识库通常被表示为网络形式，节点代表实体，连边代表实体间的关系.在网络表示形式下，人们需要设计专门的图算法存储和利用知识库，存在费时费力的缺点，并受到数据稀疏问题的困扰.最近，以深度学习为代表的表示学习技术受到广泛关注.表示学习旨在将研究对象的语义信息表示为稠密低维实值向量，知识表示学习则面向知识库中的实体和关系进行表示学习.该技术可以在低维空间中高效计算实体和关系的语义联系，有效解决数据稀疏问题，使知识获取、融合和推理的性能得到显著提升.介绍知识表示学习的最新进展，总结该技术面临的主要挑战和可能解决方案，并展望该技术的未来发展方向与前景.
人们构建的知识库通常被表示为网络形式，节点代表实体，连边代表实体间的关系.在网络表示形式下，人们需要设计专门的图算法存储和利用知识库，存在费时费力的缺点，并受到数据稀疏问题的困扰.最近，以深度学习为代表的表示学习技术受到广泛关注.表示学习旨在将研究对象的语义信息表示为稠密低维实值向量，知识表示学习则面向知识库中的实体和关系进行表示学习.该技术可以在低维空间中高效计算实体和关系的语义联系，有效解决数据稀疏问题，使知识获取、融合和推理的性能得到显著提升.介绍知识表示学习的最新进展，总结该技术面临的主要挑战和可能解决方案，并展望该技术的未来发展方向与前景.
4
摘要：
机器学习是人工智能领域的一个重要学科.自从20世纪80年代以来，机器学习在算法、理论和应用等方面都获得巨大成功.2006年以来，机器学习领域中一个叫“深度学习”的课题开始受到学术界广泛关注，到今天已经成为互联网大数据和人工智能的一个热潮.深度学习通过建立类似于人脑的分层模型结构，对输入数据逐级提取从底层到高层的特征，从而能很好地建立从底层信号到高层语义的映射关系.近年来，谷歌、微软、IBM、百度等拥有大数据的高科技公司相继投入大量资源进行深度学习技术研发，在语音、图像、自然语言、在线广告等领域取得显著进展.从对实际应用的贡献来说，深度学习可能是机器学习领域最近这十年来最成功的研究方向.将对深度学习发展的过去和现在做一个全景式的介绍，并讨论深度学习所面临的挑战，以及将来的可能方向.
机器学习是人工智能领域的一个重要学科.自从20世纪80年代以来，机器学习在算法、理论和应用等方面都获得巨大成功.2006年以来，机器学习领域中一个叫“深度学习”的课题开始受到学术界广泛关注，到今天已经成为互联网大数据和人工智能的一个热潮.深度学习通过建立类似于人脑的分层模型结构，对输入数据逐级提取从底层到高层的特征，从而能很好地建立从底层信号到高层语义的映射关系.近年来，谷歌、微软、IBM、百度等拥有大数据的高科技公司相继投入大量资源进行深度学习技术研发，在语音、图像、自然语言、在线广告等领域取得显著进展.从对实际应用的贡献来说，深度学习可能是机器学习领域最近这十年来最成功的研究方向.将对深度学习发展的过去和现在做一个全景式的介绍，并讨论深度学习所面临的挑战，以及将来的可能方向.
5
2019, 56(1): 69-89.
DOI: 10.7544/issn1000-1239.2019.20180760
摘要：
随着万物互联时代的到来，网络边缘设备产生的数据量快速增加，带来了更高的数据传输带宽需求，同时，新型应用也对数据处理的实时性提出了更高要求，传统云计算模型已经无法有效应对，因此，边缘计算应运而生.边缘计算的基本理念是将计算任务在接近数据源的计算资源上运行，可以有效减小计算系统的延迟，减少数据传输带宽，缓解云计算中心压力，提高可用性，并能够保护数据安全和隐私.得益于这些优势，边缘计算从2014年以来迅速发展.旨在探讨3个问题：边缘计算从哪里来、它的现状如何、它要到哪里去.围绕这3个问题，首先梳理了边缘计算的发展历程，将其归纳为技术储备期、快速增长期和稳健发展期3个阶段，并列举了不同阶段的典型事件.随后，总结了推动边缘计算迅速发展的7项关键技术，并结合已经广泛采用边缘计算的6类典型应用进行了说明.最后，提出了边缘计算在未来发展中需要紧迫解决的6类问题.
随着万物互联时代的到来，网络边缘设备产生的数据量快速增加，带来了更高的数据传输带宽需求，同时，新型应用也对数据处理的实时性提出了更高要求，传统云计算模型已经无法有效应对，因此，边缘计算应运而生.边缘计算的基本理念是将计算任务在接近数据源的计算资源上运行，可以有效减小计算系统的延迟，减少数据传输带宽，缓解云计算中心压力，提高可用性，并能够保护数据安全和隐私.得益于这些优势，边缘计算从2014年以来迅速发展.旨在探讨3个问题：边缘计算从哪里来、它的现状如何、它要到哪里去.围绕这3个问题，首先梳理了边缘计算的发展历程，将其归纳为技术储备期、快速增长期和稳健发展期3个阶段，并列举了不同阶段的典型事件.随后，总结了推动边缘计算迅速发展的7项关键技术，并结合已经广泛采用边缘计算的6类典型应用进行了说明.最后，提出了边缘计算在未来发展中需要紧迫解决的6类问题.
6
2017, 54(10): 2170-2186.
DOI: 10.7544/issn1000-1239.2017.20170471
摘要：
区块链技术的核心特征是“去中心化”和“去信任化”，作为分布式总账技术、智能合约基础平台、分布式新型计算范式，可以有效构建可编程货币、可编程金融和可编程社会，势必将对金融及其他领域带来深远影响，并驱动新一轮技术变革和应用变革.但是区块链技术在提高效率、降低成本、提高数据安全性的同时，也面临严重的隐私泄露问题，得到研究者的广泛关注.将介绍区块链技术架构，定义区块链技术中身份隐私和交易隐私的概念，分析区块链技术在隐私保护方面存在的优势和不足，并分类描述现有研究中针对区块链隐私的攻击方法，例如交易溯源技术和账户聚类技术；然后详细介绍针对区块链网络层、交易层和应用层的隐私保护机制，包括网络层恶意节点检测和限制接入技术、区块链交易层的混币技术、加密技术和限制发布技术，以及针对区块链应用的防御机制；最后，分析了现有区块链隐私保护技术存在的缺陷，展望了未来发展方向.此外，还讨论针对恶意使用区块链技术的监管方法.
区块链技术的核心特征是“去中心化”和“去信任化”，作为分布式总账技术、智能合约基础平台、分布式新型计算范式，可以有效构建可编程货币、可编程金融和可编程社会，势必将对金融及其他领域带来深远影响，并驱动新一轮技术变革和应用变革.但是区块链技术在提高效率、降低成本、提高数据安全性的同时，也面临严重的隐私泄露问题，得到研究者的广泛关注.将介绍区块链技术架构，定义区块链技术中身份隐私和交易隐私的概念，分析区块链技术在隐私保护方面存在的优势和不足，并分类描述现有研究中针对区块链隐私的攻击方法，例如交易溯源技术和账户聚类技术；然后详细介绍针对区块链网络层、交易层和应用层的隐私保护机制，包括网络层恶意节点检测和限制接入技术、区块链交易层的混币技术、加密技术和限制发布技术，以及针对区块链应用的防御机制；最后，分析了现有区块链隐私保护技术存在的缺陷，展望了未来发展方向.此外，还讨论针对恶意使用区块链技术的监管方法.
7
2016, 53(1): 165-192.
DOI: 10.7544/issn1000-1239.2016.20150661
摘要：
知识库的实体对齐(entity alignment)工作是近年来的研究热点问题.知识库实体对齐的目标是能够高质量链接多个现有知识库，并从顶层创建一个大规模的统一的知识库，从而帮助机器理解底层数据.然而，知识库实体对齐在数据质量、匹配效率等多个方面存在很多问题与挑战有待解决.从这些挑战出发，对十几年来的可用于知识库实体对齐的技术和算法进行综述，通过分类和总结现有技术，为进一步的研究工作提供可选方案.首先形式化定义了知识库实体对齐问题；然后对知识库的实体对齐工作进行总体概述，并从对齐算法、特征匹配技术和分区索引技术3个方面详细总结了各种可用方法和研究进展，重点从局部和全局2个角度对主流的集体对齐算法进行详细阐述，并介绍了常用的评测数据集；最后对未来重点的研究内容和发展方向进行了探讨和展望.
知识库的实体对齐(entity alignment)工作是近年来的研究热点问题.知识库实体对齐的目标是能够高质量链接多个现有知识库，并从顶层创建一个大规模的统一的知识库，从而帮助机器理解底层数据.然而，知识库实体对齐在数据质量、匹配效率等多个方面存在很多问题与挑战有待解决.从这些挑战出发，对十几年来的可用于知识库实体对齐的技术和算法进行综述，通过分类和总结现有技术，为进一步的研究工作提供可选方案.首先形式化定义了知识库实体对齐问题；然后对知识库的实体对齐工作进行总体概述，并从对齐算法、特征匹配技术和分区索引技术3个方面详细总结了各种可用方法和研究进展，重点从局部和全局2个角度对主流的集体对齐算法进行详细阐述，并介绍了常用的评测数据集；最后对未来重点的研究内容和发展方向进行了探讨和展望.
8
2020, 57(2): 346-362.
DOI: 10.7544/issn1000-1239.2020.20190455
摘要：
大规模数据收集大幅提升了机器学习算法的性能，实现了经济效益和社会效益的共赢，但也令个人隐私保护面临更大的风险与挑战.机器学习的训练模式主要分为集中学习和联邦学习2类，前者在模型训练前需统一收集各方数据，尽管易于部署，却存在极大数据隐私与安全隐患；后者实现了将各方数据保留在本地的同时进行模型训练，但该方式目前正处于研究的起步阶段，无论在技术还是部署中仍面临诸多问题与挑战.现有的隐私保护技术研究大致分为2条主线，即以同态加密和安全多方计算为代表的加密方法和以差分隐私为代表的扰动方法，二者各有利弊.为综述当前机器学习的隐私问题，并对现有隐私保护研究工作进行梳理和总结，首先分别针对传统机器学习和深度学习2类情况，探讨集中学习下差分隐私保护的算法设计；之后概述联邦学习中存在的隐私问题及保护方法；最后总结目前隐私保护中面临的主要挑战，并着重指出隐私保护与模型可解释性研究、数据透明之间的问题与联系.
大规模数据收集大幅提升了机器学习算法的性能，实现了经济效益和社会效益的共赢，但也令个人隐私保护面临更大的风险与挑战.机器学习的训练模式主要分为集中学习和联邦学习2类，前者在模型训练前需统一收集各方数据，尽管易于部署，却存在极大数据隐私与安全隐患；后者实现了将各方数据保留在本地的同时进行模型训练，但该方式目前正处于研究的起步阶段，无论在技术还是部署中仍面临诸多问题与挑战.现有的隐私保护技术研究大致分为2条主线，即以同态加密和安全多方计算为代表的加密方法和以差分隐私为代表的扰动方法，二者各有利弊.为综述当前机器学习的隐私问题，并对现有隐私保护研究工作进行梳理和总结，首先分别针对传统机器学习和深度学习2类情况，探讨集中学习下差分隐私保护的算法设计；之后概述联邦学习中存在的隐私问题及保护方法；最后总结目前隐私保护中面临的主要挑战，并着重指出隐私保护与模型可解释性研究、数据透明之间的问题与联系.
9
2015, 52(1): 16-26.
DOI: 10.7544/issn1000-1239.2015.20140107
摘要：
随着大数据的快速发展，以概率统计为基础的机器学习在近年来受到工业界和学术界的极大关注，并在视觉、语音、自然语言、生物等领域获得很多重要的成功应用，其中贝叶斯方法在过去20多年也得到了快速发展,成为非常重要的一类机器学习方法.总结了贝叶斯方法在机器学习中的最新进展，具体内容包括贝叶斯机器学习的基础理论与方法、非参数贝叶斯方法及常用的推理方法、正则化贝叶斯方法等. 最后，还针对大规模贝叶斯学习问题进行了简要的介绍和展望，对其发展趋势作了总结和展望.
随着大数据的快速发展，以概率统计为基础的机器学习在近年来受到工业界和学术界的极大关注，并在视觉、语音、自然语言、生物等领域获得很多重要的成功应用，其中贝叶斯方法在过去20多年也得到了快速发展,成为非常重要的一类机器学习方法.总结了贝叶斯方法在机器学习中的最新进展，具体内容包括贝叶斯机器学习的基础理论与方法、非参数贝叶斯方法及常用的推理方法、正则化贝叶斯方法等. 最后，还针对大规模贝叶斯学习问题进行了简要的介绍和展望，对其发展趋势作了总结和展望.
10
2017, 54(10): 2130-2143.
DOI: 10.7544/issn1000-1239.2017.20170470
摘要：
随着智能家居、数字医疗、车联网等技术的发展，物联网应用越发普及，其安全问题也受到越来越多研究者的关注.目前，物联网安全的相关研究尚在起步阶段，大部分研究成果还不能完善地解决物联网发展中的安全问题.首先对物联网3层逻辑架构进行了介绍，阐述了每个层次的安全问题与研究现状重点;然后分析并讨论了物联网的主要应用场景(智能家居、智能医疗、车联网、智能电网、工业与公共基础设施)中需要特别关注的隐私保护、入侵检测等安全问题;再次，归纳分析了现有研究工作中的不足与安全问题产生的主要原因，指出物联网安全存在的五大技术挑战：数据共享的隐私保护方法、有限资源的设备安全保护方法、更加有效的入侵检测防御系统与设备测试方法、针对自动化操作的访问控制策略、移动设备的跨域认证方法；最后，通过详尽分析这五大技术挑战，指出了物联网安全未来的研究方向.
随着智能家居、数字医疗、车联网等技术的发展，物联网应用越发普及，其安全问题也受到越来越多研究者的关注.目前，物联网安全的相关研究尚在起步阶段，大部分研究成果还不能完善地解决物联网发展中的安全问题.首先对物联网3层逻辑架构进行了介绍，阐述了每个层次的安全问题与研究现状重点;然后分析并讨论了物联网的主要应用场景(智能家居、智能医疗、车联网、智能电网、工业与公共基础设施)中需要特别关注的隐私保护、入侵检测等安全问题;再次，归纳分析了现有研究工作中的不足与安全问题产生的主要原因，指出物联网安全存在的五大技术挑战：数据共享的隐私保护方法、有限资源的设备安全保护方法、更加有效的入侵检测防御系统与设备测试方法、针对自动化操作的访问控制策略、移动设备的跨域认证方法；最后，通过详尽分析这五大技术挑战，指出了物联网安全未来的研究方向.
11
摘要：
在数学和应用领域，量子退火算法是一类新的量子优化算法.不同于经典模拟退火算法利用热波动来搜寻问题的最优解，量子退火算法利用量子波动产生的量子隧穿效应来使算法摆脱局部最优，而实现全局优化.在已有的研究中，量子退火算法在某些问题上展现出良好的优化效果.系统地综述了量子退火算法的基本原理和近年来的主要研究进展，较为详细地介绍了几个主要的量子退火算法，对量子退火算法的优点和可能的不足进行了分析评述，并对今后的研究方向进行了展望.
在数学和应用领域，量子退火算法是一类新的量子优化算法.不同于经典模拟退火算法利用热波动来搜寻问题的最优解，量子退火算法利用量子波动产生的量子隧穿效应来使算法摆脱局部最优，而实现全局优化.在已有的研究中，量子退火算法在某些问题上展现出良好的优化效果.系统地综述了量子退火算法的基本原理和近年来的主要研究进展，较为详细地介绍了几个主要的量子退火算法，对量子退火算法的优点和可能的不足进行了分析评述，并对今后的研究方向进行了展望.
12
2018, 55(12): 2587-2599.
DOI: 10.7544/issn1000-1239.2018.20180623
摘要：
随着医疗大数据时代的到来，知识互联受到了广泛的关注.如何从海量的数据中提取有用的医学知识，是医疗大数据分析的关键.知识图谱技术提供了一种从海量文本和图像中抽取结构化知识的手段，知识图谱与大数据技术、深度学习技术相结合，正在成为推动人工智能发展的核心驱动力.知识图谱技术在医疗领域拥有广阔的应用前景，该技术在医疗领域的应用研究将会在解决优质医疗资源供给不足和医疗服务需求持续增加的矛盾中产生重要的作用.目前，针对医学知识图谱的研究还处于探索阶段，现有知识图谱技术在医疗领域普遍存在效率低、限制多、拓展性差等问题.首先针对医疗领域大数据专业性强、结构复杂等特点，对医学知识图谱架构和构建技术进行了全面剖析;其次，分别针对医学知识图谱中知识表示、知识抽取、知识融合和知识推理这4个模块的关键技术和研究进展进行综述，并对这些技术进行实验分析与比较.此外，介绍了医学知识图谱在临床决策支持、医疗智能语义检索、医疗问答等医疗服务中的应用现状.最后对当前研究存在的问题与挑战进行了讨论和分析，并对其发展前景进行了展望.
随着医疗大数据时代的到来，知识互联受到了广泛的关注.如何从海量的数据中提取有用的医学知识，是医疗大数据分析的关键.知识图谱技术提供了一种从海量文本和图像中抽取结构化知识的手段，知识图谱与大数据技术、深度学习技术相结合，正在成为推动人工智能发展的核心驱动力.知识图谱技术在医疗领域拥有广阔的应用前景，该技术在医疗领域的应用研究将会在解决优质医疗资源供给不足和医疗服务需求持续增加的矛盾中产生重要的作用.目前，针对医学知识图谱的研究还处于探索阶段，现有知识图谱技术在医疗领域普遍存在效率低、限制多、拓展性差等问题.首先针对医疗领域大数据专业性强、结构复杂等特点，对医学知识图谱架构和构建技术进行了全面剖析;其次，分别针对医学知识图谱中知识表示、知识抽取、知识融合和知识推理这4个模块的关键技术和研究进展进行综述，并对这些技术进行实验分析与比较.此外，介绍了医学知识图谱在临床决策支持、医疗智能语义检索、医疗问答等医疗服务中的应用现状.最后对当前研究存在的问题与挑战进行了讨论和分析，并对其发展前景进行了展望.
13
2015, 52(10): 2373-2381.
DOI: 10.7544/issn1000-1239.2015.20150562
摘要：
匿名通信技术作为一种主要的隐私增强技术被广泛应用于互联网的各个方面，然而传统的匿名通信系统很容易被监视、检测.因此，国内外研究者一直致力于改进匿名通信系统的不可观测属性，以防范网络审查和监视.然而，如何量化评估这些协议的不可观测程度则几乎没有相关的研究.针对匿名通信系统提出一种基于相对熵的不可观测性度量方法，该方法从敌手的威胁模型出发，将匿名通信系统的输入、输出状态映射到一个交互式图灵机，并在此基础之上提出一个基于相对熵的不可观测性度量框架，该框架能够有效地度量匿名通信系统的不可观测程度.此外，将它应用于TOR匿名通信系统的传输层插件的度量，实验结果表明，该方法能够有效地度量匿名通信系统的不可观测性.
匿名通信技术作为一种主要的隐私增强技术被广泛应用于互联网的各个方面，然而传统的匿名通信系统很容易被监视、检测.因此，国内外研究者一直致力于改进匿名通信系统的不可观测属性，以防范网络审查和监视.然而，如何量化评估这些协议的不可观测程度则几乎没有相关的研究.针对匿名通信系统提出一种基于相对熵的不可观测性度量方法，该方法从敌手的威胁模型出发，将匿名通信系统的输入、输出状态映射到一个交互式图灵机，并在此基础之上提出一个基于相对熵的不可观测性度量框架，该框架能够有效地度量匿名通信系统的不可观测程度.此外，将它应用于TOR匿名通信系统的传输层插件的度量，实验结果表明，该方法能够有效地度量匿名通信系统的不可观测性.
14
摘要：
在城市信息化浪潮与数据科学崛起的共同推动下，智慧城市开始在全球范围内成为未来城市发展的新理念与新实践.大数据、数据活化、数据挖掘等数据管理、应用与分析技术在智慧城市建设当中具有核心作用.站在信息科学的视角之上，围绕以数据为中心这一主题，对当前智慧城市研究工作的最新动态进行了综述.梳理了当前智慧城市相关研究中广泛采用的城市数据类型及其特点，并从相关研究工作和技术与研究特点两个大的方面对该领域的研究工作现状进行了介绍.其中相关研究涵盖了技术体系研究、数据驱动的智能交通、城市计算技术和城市人类活动的统计力学等方面.而技术与研究特点的介绍包括核心技术与理论，以及领域研究的学科交叉、城市数据为中心、区域特性等方面.最后对该研究领域未来可能的发展方向进行了总结和展望.
在城市信息化浪潮与数据科学崛起的共同推动下，智慧城市开始在全球范围内成为未来城市发展的新理念与新实践.大数据、数据活化、数据挖掘等数据管理、应用与分析技术在智慧城市建设当中具有核心作用.站在信息科学的视角之上，围绕以数据为中心这一主题，对当前智慧城市研究工作的最新动态进行了综述.梳理了当前智慧城市相关研究中广泛采用的城市数据类型及其特点，并从相关研究工作和技术与研究特点两个大的方面对该领域的研究工作现状进行了介绍.其中相关研究涵盖了技术体系研究、数据驱动的智能交通、城市计算技术和城市人类活动的统计力学等方面.而技术与研究特点的介绍包括核心技术与理论，以及领域研究的学科交叉、城市数据为中心、区域特性等方面.最后对该研究领域未来可能的发展方向进行了总结和展望.
15
2020, 57(7): 1424-1448.
DOI: 10.7544/issn1000-1239.2020.20190358
摘要：
在自然语言处理领域，信息抽取一直以来受到人们的关注.信息抽取主要包括3项子任务：实体抽取、关系抽取和事件抽取,而关系抽取是信息抽取领域的核心任务和重要环节.实体关系抽取的主要目标是从自然语言文本中识别并判定实体对之间存在的特定关系，这为智能检索、语义分析等提供了基础支持，有助于提高搜索效率，促进知识库的自动构建.综合阐述了实体关系抽取的发展历史，介绍了常用的中文和英文关系抽取工具和评价体系.主要从4个方面展开介绍了实体关系抽取方法，包括：早期的传统关系抽取方法、基于传统机器学习、基于深度学习和基于开放领域的关系抽取方法，总结了在不同历史阶段的主流研究方法以及相应的代表性成果，并对各种实体关系抽取技术进行对比分析.最后，对实体关系抽取的未来重点研究内容和发展趋势进行了总结和展望.
在自然语言处理领域，信息抽取一直以来受到人们的关注.信息抽取主要包括3项子任务：实体抽取、关系抽取和事件抽取,而关系抽取是信息抽取领域的核心任务和重要环节.实体关系抽取的主要目标是从自然语言文本中识别并判定实体对之间存在的特定关系，这为智能检索、语义分析等提供了基础支持，有助于提高搜索效率，促进知识库的自动构建.综合阐述了实体关系抽取的发展历史，介绍了常用的中文和英文关系抽取工具和评价体系.主要从4个方面展开介绍了实体关系抽取方法，包括：早期的传统关系抽取方法、基于传统机器学习、基于深度学习和基于开放领域的关系抽取方法，总结了在不同历史阶段的主流研究方法以及相应的代表性成果，并对各种实体关系抽取技术进行对比分析.最后，对实体关系抽取的未来重点研究内容和发展趋势进行了总结和展望.
16
2022, 59(1): 47-80.
DOI: 10.7544/issn1000-1239.20201055
摘要：
近几年来，将深度学习应用到处理和图结构数据相关的任务中越来越受到人们的关注.图神经网络的出现使其在上述任务中取得了重大突破，比如在社交网络、自然语言处理、计算机视觉甚至生命科学等领域得到了非常广泛的应用.图神经网络可以把实际问题看作图中节点之间的连接和消息传播问题，对节点之间的依赖关系进行建模，从而能够很好地处理图结构数据.鉴于此，系统综述了图神经网络模型以及应用.首先从谱域、空间域和池化3方面对图卷积神经网络进行了阐述.然后，描述了基于注意力机制和自编码器的图神经网络模型，并补充了一些其他方法实现的图神经网络.其次，总结了针对图神经网络能不能做大做深等问题的讨论分析.进而，概括了图神经网络的4个框架.还详细说明了在图神经网络在自然语言处理、计算机视觉等方面的应用.最后，对图神经网络未来的研究进行了展望和总结.相较于已有的图神经网络综述文章，详细阐述了谱理论知识，并对基于谱域的图卷积神经网络体系进行全面总结.同时，给出了针对空间域图卷积神经网络效率低的改进模型这一新的分类标准.并总结了针对图神经网络表达能力、理论保障等的讨论分析，增加了新的框架模型.在应用部分，阐述了图神经网络的最新应用.
近几年来，将深度学习应用到处理和图结构数据相关的任务中越来越受到人们的关注.图神经网络的出现使其在上述任务中取得了重大突破，比如在社交网络、自然语言处理、计算机视觉甚至生命科学等领域得到了非常广泛的应用.图神经网络可以把实际问题看作图中节点之间的连接和消息传播问题，对节点之间的依赖关系进行建模，从而能够很好地处理图结构数据.鉴于此，系统综述了图神经网络模型以及应用.首先从谱域、空间域和池化3方面对图卷积神经网络进行了阐述.然后，描述了基于注意力机制和自编码器的图神经网络模型，并补充了一些其他方法实现的图神经网络.其次，总结了针对图神经网络能不能做大做深等问题的讨论分析.进而，概括了图神经网络的4个框架.还详细说明了在图神经网络在自然语言处理、计算机视觉等方面的应用.最后，对图神经网络未来的研究进行了展望和总结.相较于已有的图神经网络综述文章，详细阐述了谱理论知识，并对基于谱域的图卷积神经网络体系进行全面总结.同时，给出了针对空间域图卷积神经网络效率低的改进模型这一新的分类标准.并总结了针对图神经网络表达能力、理论保障等的讨论分析，增加了新的框架模型.在应用部分，阐述了图神经网络的最新应用.
17
摘要：
随着WWW的迅猛发展，文本分类成为处理和组织大量文档数据的关键技术.由于最大熵模型可以综合观察到各种相关或不相关的概率知识，对许多问题的处理都可以达到较好的结果.但是，将最大熵模型应用在文本分类中的研究却非常少，而使用最大熵模型进行中文文本分类的研究尚未见到.使用最大熵模型进行了中文文本分类.通过实验比较和分析了不同的中文文本特征生成方法、不同的特征数目，以及在使用平滑技术的情况下，基于最大熵模型的分类器的分类性能.并且将其和Bayes，KNN，SVM三种典型的文本分类器进行了比较，结果显示它的分类性能胜于Bayes方法，与KNN和SVM方法相当，表明这是一种非常有前途的文本分类方法.
随着WWW的迅猛发展，文本分类成为处理和组织大量文档数据的关键技术.由于最大熵模型可以综合观察到各种相关或不相关的概率知识，对许多问题的处理都可以达到较好的结果.但是，将最大熵模型应用在文本分类中的研究却非常少，而使用最大熵模型进行中文文本分类的研究尚未见到.使用最大熵模型进行了中文文本分类.通过实验比较和分析了不同的中文文本特征生成方法、不同的特征数目，以及在使用平滑技术的情况下，基于最大熵模型的分类器的分类性能.并且将其和Bayes，KNN，SVM三种典型的文本分类器进行了比较，结果显示它的分类性能胜于Bayes方法，与KNN和SVM方法相当，表明这是一种非常有前途的文本分类方法.
18
摘要：
针对传统突变点检测算法具有大延时的问题以及实际数据中同时含有突变点、异常点的实际情况，提出一种基于小波变换有效分数向量的异常点、突变点检测算法.该方法通过引入有效分数向量作为检测统计量，有效避免了传统检测统计量随着数据增多而无限增大的缺点；提出利用小波分析统计量的办法，有效地克服了传统突变点检测算法中存在大延时的缺陷；利用李氏指数及小波变换的关系，实现了在一个检测框架内同时在线检测异常点以及突变点，使得该检测算法更符合突变点及异常点同时存在的实际情况.仿真实验和性能比较结果证明了提出的异常点、突变点检测算法具有一定的有效性和实用性.
针对传统突变点检测算法具有大延时的问题以及实际数据中同时含有突变点、异常点的实际情况，提出一种基于小波变换有效分数向量的异常点、突变点检测算法.该方法通过引入有效分数向量作为检测统计量，有效避免了传统检测统计量随着数据增多而无限增大的缺点；提出利用小波分析统计量的办法，有效地克服了传统突变点检测算法中存在大延时的缺陷；利用李氏指数及小波变换的关系，实现了在一个检测框架内同时在线检测异常点以及突变点，使得该检测算法更符合突变点及异常点同时存在的实际情况.仿真实验和性能比较结果证明了提出的异常点、突变点检测算法具有一定的有效性和实用性.
19
2014, 51(10): 2137-2147.
DOI: 10.7544/issn1000-1239.2014.20130575
摘要：
利用复杂系统的能量特性，引入影响力概念，研究动态复杂网络的社团划分方法，以有效地发现股票网络的社团结构.利用股票收盘价，通过引入影响力和结点中心性定义，构建以影响力为权值的股票网络，并提出一种基于影响力计算模型的股票网络中心结点层次聚类算法(based on the center node hierarchical clustering algorithm about the influence calculation model of stock network, BCNHC).BCNHC算法首先引入结点活跃性和影响力的定义，并给出网络中结点的影响力计算模型；然后，基于所引入的结点中心性的度量准则，选取结点中心性大的结点为中心结点，并利用结点间的亲密性和影响力模型确定相邻结点之间影响力关联度；进而，通过优先选择度值最小的结点向中心结点聚集，以降低因相邻结点所属社团不确定而导致的错误聚类；在此基础上，利用社团平均影响力关联度对相邻社团进行聚类，保证社团内所有结点的影响力关联度最大化，直至整个网络模块度最大.最后，在构建的股票网络上的实验比较和分析，验证BCNHC算法的可行性.
利用复杂系统的能量特性，引入影响力概念，研究动态复杂网络的社团划分方法，以有效地发现股票网络的社团结构.利用股票收盘价，通过引入影响力和结点中心性定义，构建以影响力为权值的股票网络，并提出一种基于影响力计算模型的股票网络中心结点层次聚类算法(based on the center node hierarchical clustering algorithm about the influence calculation model of stock network, BCNHC).BCNHC算法首先引入结点活跃性和影响力的定义，并给出网络中结点的影响力计算模型；然后，基于所引入的结点中心性的度量准则，选取结点中心性大的结点为中心结点，并利用结点间的亲密性和影响力模型确定相邻结点之间影响力关联度；进而，通过优先选择度值最小的结点向中心结点聚集，以降低因相邻结点所属社团不确定而导致的错误聚类；在此基础上，利用社团平均影响力关联度对相邻社团进行聚类，保证社团内所有结点的影响力关联度最大化，直至整个网络模块度最大.最后，在构建的股票网络上的实验比较和分析，验证BCNHC算法的可行性.
20
2016, 53(1): 113-122.
DOI: 10.7544/issn1000-1239.2016.20150689
摘要：
视觉在人与人交互以及人与自然界的交互过程中起到非常重要的作用，让终端设备具有智能的视觉识别和交互能力是人工智能和计算机技术的核心挑战和远大目标之一.可以看到，近年来视觉识别技术发展飞速，新的创新技术不断涌现，新的研究问题不断被提出，面向智能交互的应用呈现出一些新的动态，正在不断刷新人们对此领域的原有认识.从视觉识别、视觉描述和视觉问答3个角度对图像识别技术进行综述，对基于深度学习的图像识别以及场景分类技术进行了具体介绍，对视觉描述和问答技术的最新技术进行了分析和讨论，同时对面向移动终端和机器人的视觉识别和交互应用进行了介绍，最后对该领域的未来研究趋势进行了分析.
视觉在人与人交互以及人与自然界的交互过程中起到非常重要的作用，让终端设备具有智能的视觉识别和交互能力是人工智能和计算机技术的核心挑战和远大目标之一.可以看到，近年来视觉识别技术发展飞速，新的创新技术不断涌现，新的研究问题不断被提出，面向智能交互的应用呈现出一些新的动态，正在不断刷新人们对此领域的原有认识.从视觉识别、视觉描述和视觉问答3个角度对图像识别技术进行综述，对基于深度学习的图像识别以及场景分类技术进行了具体介绍，对视觉描述和问答技术的最新技术进行了分析和讨论，同时对面向移动终端和机器人的视觉识别和交互应用进行了介绍，最后对该领域的未来研究趋势进行了分析.
- 首页
- 上一页
- 1
- 2
- 3
- 4
- 5
- 下一页
- 末页
- 共5页
- 跳转
- Go
