摘要：基于知识图谱的问答系统可以解析用户问题,已成为一种检索知识、自动回答所询问题的有效途径.知识图谱问答系统通常是利用神经程序归纳模型,将自然语言问题转化为逻辑形式,在知识图谱上执行该逻辑形式能够得到答案.然而,使用预训练语言模型和知识图谱的知识问答系统包含两个挑战:(1)给定问答(questionanswering, QA)上下文,需要从大型知识图谱(knowledge graph, KG)中识别相关知识;(2)对QA上下文和KG进行联合推理.基于此,提出一种语言模型驱动的知识图谱问答推理模型QA-KGNet,将QA上下文和KG连接起来形成一个工作图,使用语言模型计算给定QA上下文节点与KG节点的关联度,并使用多头图注意力网络更新节点表示.在Commonsense QA、OpenBookQA和Med QA-USMLE真实数据集上进行实验来评估QA-KGNet的性能,实验结果表明:QA-KGNet优于现有的基准模型,表现出优越的结构化推理能力.

摘要：上海地区装配式建筑发展能力的问题集中表现在装配式建筑成本过高,装配式建筑质量控制难度大等方面。本文针对上海装配式建筑能力的瓶颈和不足,主要包括从事建筑工业化人才能力不足、建筑工业化标准化能力不足、设计施工一体化能力不足、监督和管理能力不足等方面,进行调研和分析,提出针对性的建议和措施。

摘要：在大数据背景下,保证数据可信共享是数据联邦的基本要求.区块链技术代替传统的主从架构,可以提高联邦学习(federated learning,FL)的安全性.然而,现有工作中,模型参数验证与数据持久化所产生的巨大通信成本和存储消耗,已经成为数据联邦中亟待解决的问题.针对上述问题,设计了一种高效的去中心化联邦学习框架(efficient decentralized federated learning framework,EDFL),能够降低存储开销,并显著提升FL的学习效率.首先,提出了一种基于贡献度证明(proof-of-contribution)的共识机制,使得区块生成者的选举基于历史贡献度而不采用竞争机制,从而有效发避免了挖矿过程产生的区块生成延迟,并以异步方式缓解模型参数验证中的阻塞问题;其次,提出了一种角色自适应激励算法,因为该算法基于节点的工作强度和EDFL所分配的角色,所以能够激励合法节点更积极地进行模型训练,并有效地识别出恶意节点;再者,提出一种区块链分区存储策略,使得多重局部修复编码块(local reconstruction code)可被均匀地分布到网络的各个节点上,进而降低节点的本地存储代价,并实现了较高的数据恢复效率;最后,在真实的FEMNIST数据集上,对EDFL的学习效率、存储可扩展性和安全性进行了评估.实验结果表明,EDFL在以上3个方面均优于主流的基于区块链的FL框架.

摘要：为了解决协同过滤推荐系统的数据稀疏与冷启动问题,通常利用辅助信息来提高推荐系统的整体性能。当前大多数社交媒体网站和电子商务系统都允许用户发表文本评论,以及对项目(如商户、电影、商品等)进行评分。为了更加有效地融合多种数据信息,解决数据稀疏的问题,提高推荐算法的准确性,构建了一个基于用户-项目历史交互数据源融合知识图谱的模型,提出了基于用户-项目历史评论的深度学习算法,将2种算法动态融合,利用随机梯度下降方法进行模型求解,为用户提供更精准的个性化推荐服务。实验结果表明:相比于已有典型推荐算法,所提模型取得更好的推荐效果,并且可以有效地解决数据稀疏带来的推荐准确性降低的问题。

摘要：对于进入汉区高校学习的少数民族大学生而言,文化适应是他们不可回避的问题。回顾我国关于少数民族大学生文化适应的研究发现,少数民族大学生文化适应总体水平不高,一般先后经历了接触、不统一、否定、自律、独立等五个阶段,多数采用整合型的文化适应模式,其文化适应过程受到人口学变量、民族文化观念、文化认同、文化智力、感知到的主流汉文化成员态度、学校满意度等因素的影响。

摘要：针对多颗微小卫星接管控制失效航天器姿态运动的问题,提出了一种基于多颗微小卫星合作博弈、实现对失效航天器姿态接管控制的方法。首先,面向失效航天器姿态接管控制任务需求,设计了各颗微小卫星的局部目标函数,并在考虑多颗微小卫星与失效航天器所形成组合体的动力学约束、微小卫星控制约束的前提下,建立了多颗微小卫星的合作博弈模型。其次,为实现失效航天器对时变期望姿态轨迹的跟踪,在合理设计期望姿态轨迹的基础上,通过构建组合体增广姿态运动方程,将跟踪期望姿态轨迹的要求描述为微小卫星合作博弈控制问题中的一组约束,并建立了多颗微小卫星控制失效航天器跟踪时变轨迹的合作博弈帕累托最优策略的求解框架。最后,对微小卫星合作博弈控制方法的有效性进行了仿真验证。验证结果表明,该方法能够在不需要进行微小卫星控制分配的情况下,通过多颗微小卫星的合作博弈实现对失效航天器的姿态接管控制。与传统方法相比,这种控制方法可避免进行微小卫星之间的控制分配,能够实现微小卫星能量消耗的全局最优且设计简单,便于考虑微小卫星的控制约束。

摘要：大数据时代低频采样交通轨迹数据呈指数级增长,准确、高效地对复杂路网中产生的海量低频浮动车数据进行地图匹配对出租车载客热点和路线推荐具有重要意义。基于上述考虑,提出了一种基于曲线拟合的改进算法,对缺失的轨迹数据和路网数据分别使用插值和均值化的方法进行补全,利用Geohash技术对路网和轨迹数据进行存储和搜索,充分考虑车辆速度和道路限速因素,使用轨迹点后向向量和路段向量对路候选段进行分析,设计综合评价函数得到最优匹配结果。实验结果表明,与传统垂直投影算法和曲线拟合算法进行对比,所提曲线拟合算法准确率较高,时间效率得到显著提升。

摘要：从本地数据库架构转变为云上数据库架构,对于大型复杂系统的高效运行和海量异构数据的存储分析至关重要。云数据库的启发式查询优化方法存在局限性,如难以获得最优执行计划使得查询性能下降、无法从历史查询中学习经验等。基于学习的优化方法虽然能够提升查询性能,但也存在缺陷,如没有对物理运算符进行编码、无法捕捉执行计划的结构特征、依赖于错误的基数估计和代价估计、现有强化学习算法的探索性较差、训练速度较慢以及收敛不稳定。针对上述问题,提出了一种新型基于异步Soft Actor-Critic的连接查询优化器(Asynchronous Soft Actor-Critic for Join Query, ASA-Join)。ASA-Join利用多线程通信机制设计了异步Soft Actor-Critic算法,能够增加策略的随机性和智能体的探索能力,尽可能避免陷入局部最优解;集成了一种新的编码方法,将物理运算符和执行计划的结构特征进行编码,能够准确表示执行计划;设计了状态表示模型,利用Bidirectional Gate Recurrent Unit (BiGRU)来捕捉执行计划的结构特征;设计了一种新的奖励机制,利用多任务学习方法将执行计划的代价和延迟均作为优化目标,使得执行计划能够反映真实的查询时间。在真实数据集JOB和TPC-H上对ASA-Join的代价和延迟进行评估。实验结果表明,ASA-Join的性能优于现有基于强化学习的优化器。

摘要：如何获得更加精确的分类效果一直是机器学习领域的重要研究内容,现有大多数分类器都是针对平衡的数据集来设计的。虽然平衡的数据训练出来的分类模型能取得较好的正负样本分类正确率,但现实生活中的数据往往是不平衡的,不平衡的数据使得正样本分类正确率急剧下降,不能满足机器学习对分类效果的要求。针对这种情况,综述了当前主流不平衡分类的数据采样方法。首先,阐述了欠采样方法,包括基于聚类和基于整合的欠采样方法;其次,对过采样方法进行了总结,包括基于k近邻、基于聚类、基于半监督、基于深度神经网络和基于进化算法的过采样方法;再次,对混合采样方法进行了总结;最后,总结了不平衡分类问题研究的发展趋势。

摘要：以江西省宜春市为例,通过建立耦合协调评价模型对其农旅产业发展情况进行研究,选取宜春市2009—2018年农业与旅游产业时间序列数据构建农旅产业耦合协调评价指标体系,运用熵权法计算得到其指标权重,再结合评价模型进一步分析其农旅产业耦合状况。结果表明:2009—2018年宜春市农旅产业耦合度一直处于[0.4,0.6],2个产业之间协调发展尚处于起步阶段,两者相互影响作用刚刚凸显。宜春市农业与旅游产业耦合协调度等级由2009年严重失调发展到2010年中度失调,2011—2013年逐渐发展为轻度失调,2014—2015年处于失调边缘,为濒临失调等级,从2016年开始其耦合协调度等级变为勉强协调,再发展至2017—2018年的初级协调等级。总体来看,宜春市农旅产业耦合协调状态还有待进一步改进。