摘要：异常检测旨在识别偏离预期行为模式的数据.虽然半监督异常检测方法可以充分利用有限的标签数据作为先验知识来提高检测准确性,但是收集到的标记异常(即已知异常)很难覆盖所有类型的异常并且在现实场景中往往存在着一些新型的异常(即未知异常),这些异常可能与已知异常表现出不同的特性,因此难以被现有的半监督异常检测方法识别.针对该问题,提出了一种基于半监督学习的未知异常检测(semi-supervised unknown anomaly detection,SSUAD)方法,旨在同时识别已知异常和未知异常.该方法利用闭集分类器对已知异常和正常分类,利用未知异常检测器检测未知异常.此外,还考虑了异常场景中异常和正常极端不平衡的情况,设计了有效的数据增强方法来扩充异常样本的数量.在UNSW-NB15和KDDCUP99数据集以及一个真实数据集SQB上进行了实验,实验结果表明,相较于现有的异常检测方法,SSUAD在异常检测性能指标AUC-ROC(area under receiver operating characteristic curve)和AUC-PR(area under precision-recall curve)上都有明显的提升.证明了SSUAD的有效性和合理性.

摘要：人机物融合泛在计算的新场景和新模式,需要新型的操作系统,即泛在操作系统.存储管理作为泛在操作系统的一项核心功能,设计轻量化、高性能和动态可适配的存储系统是推进泛在操作系统发展的必要举措.然而,对于“端(终端设备)-边(边缘端)-云(云端)”泛在场景中普遍存在的结构化数据,传统存储解决方案存在I/O放大严重、系统体量过大和软件栈冗余等问题,难以满足泛在应用的需求.为此,本文从系统全栈的角度进行原创性探索,提出原生表存储系统.本文首先回顾了计算机系统的发展历史;之后分析泛在计算时代的新需求,总结出泛在操作系统的基本形态,并介绍最新研究成果;然后剖析了现有结构化存储方案在“端-边-云”场景下面临的挑战;进一步提出面向泛在操作系统的原生表存储系统,并从端侧和边/云侧两个场景深入分析其架构优势.最后,总结全文并展望未来发展趋势.

摘要：混合事务与分析处理数据库系统(HTAP)因其在一套系统上可以同时处理混合负载而逐渐获得大众认可.为了不影响在线事务处理(OLTP)业务的写入性能,HTAP数据库系统往往会通过维护数据多版本或额外副本的方式来支持在线分析处理(OLAP)任务,从而引入了TP/AP端版本的数据一致性问题.同时,HTAP数据库系统面临资源隔离下实现高效数据共享的核心挑战,且数据共享模型的设计综合权衡了业务对性能和数据新鲜度之间的要求.因此,为了系统地阐释现有HTAP数据库系统数据共享模型及优化策略,首先根据TP生成版本与AP查询版本的差异,通过一致性模型定义数据共享模型,将HTAP数据共享的一致性模型分为3类,分别为线性一致性,顺序一致性与会话一致性.然后,梳理数据共享模型的全流程,即从数据版本标识号分配,数据版本同步,数据版本追踪3个核心问题出发,给出不同一致性模型的实现方法.进一步,以典型的HTAP数据库系统为例对具体实现进行深入的阐释.最后,针对数据共享过程中涉及的版本同步、追踪、回收等模块的优化策略进行归纳和分析,并展望数据共享模型的优化方向,指出数据同步范围自适应,数据同步周期自调优和顺序一致性的新鲜度阈值约束控制是提高HTAP数据库系统性能和新鲜度的可能手段.

摘要：随着高校信息系统应用的普及以及使用频率的提高,师生对数据一致性、准确性、及时性和完整性提出了更高的要求,原数据同步方案中使用XML(extensible markup language)进行数据同步具有同步效率低下、难以扩展的缺点.考虑到开源工具DataX可以完成多种异构数据库之间的数据同步且不会对源数据库造成破坏,本文使用DataX对原数据同步方案进行改进,并针对高校研究生信息系统建设过程中存在的多个业务需求和应用场景,提出了不同的数据同步方案.同时,针对DataX在启动和执行过程中一次读只能进行一次写的缺点,设计了一次读可以多次写的方案.对比实验表明,优化后的方案可以提高数据同步效率,具有较好的扩展性,能够满足高校数据同步需求.

摘要：基于评论的推荐系统是一种主要通过挖掘文本信息抽取物品特征和用户偏好,以提高性能的推荐系统方法.现存的大多数方法忽略了撰写评论的陌生人信息,引入陌生人信息可以更准确地衡量用户的相对感受并对目标用户的表达进行补充,从而进行更精细的用户建模.近年来,一些研究尝试整合相似陌生人的信息,但忽略了对其他陌生人信息的利用.提出了基于偏好级别陌生人信息辅助的推荐系统模型CSRR(collaborative stranger review-based recommendation),利用陌生人信息,更加准确地对用户建模并进行适当扩展,提升了推荐性能.具体地,为了准确捕捉用户的偏好,首先,设计了一个基于陌生人信息辅助的注意力模块,该模块不仅考虑了评论文本的相似性,也考虑了目标用户与撰写评论的陌生人之间的偏好交互作用;其次,一个基于陌生人信息过滤的门控模块根据目标用户–物品对的特征,在偏好级别动态整合陌生人信息,有效地过滤了陌生人的偏好信息以及丰富目标用户的建模;最后,应用隐因子模型(latent factor model,LFM)来完成评分预测任务.实验结果说明CSRR模型在多个来源的真实数据集上均具有较高的预测准确度.

摘要：摄像设备在生活中的普及,使得视频数据快速增长,这些数据中蕴含丰富的信息.早期,研究人员基于传统的计算机视觉技术开发视频分析系统,用于提取并分析视频数据.近年来,深度学习技术在人脸识别等领域取得了突破性进展,基于深度学习的新型视频分析系统不断涌现.从应用、技术、系统等角度,综述了新型视频分析系统的研究进展.首先,回顾了视频分析系统的发展历史,指出了新型视频分析系统与传统视频分析系统的区别;其次,分析了新型视频分析系统在计算和存储两方面所面临的挑战,从视频数据的组织分布和视频分析的应用需求两方面探讨了新型视频分析系统的影响因素;再次,将新型视频分析系统划分为针对计算优化的系统和针对存储优化的系统两大类,选取其中典型的代表并介绍其核心设计理念;最后,从多个维度对比和分析了新型视频分析系统,指出了这些系统当前存在的问题,并据此展望了新型视频分析系统未来的研究和发展方向.

摘要：近年来,学术和工业界广泛利用大数据处理系统来处理视频分析等领域基于深度神经网络(deep neural networks, DNN)的推理负载。在这种场景下,因大数据系统中多个并行推理任务重复加载相同且只读的DNN模型,导致系统无法充分利用GPU资源,成为了推理性能提升的瓶颈。针对该问题,该文提出了一个面向单GPU卡的模型共享技术,在DNN推理任务之间共享同一份模型数据。在此基础上,为了使模型共享技术作用于分布式环境下的每一块GPU,该文还设计了支持多GPU卡模型共享的分配器。将上述优化技术集成到在GPU平台上运行的Spark中,实现了一个支持大规模推理负载的分布式原型系统。实验结果表明,针对基于YOLO-v3的交通视频处理负载,相对于未采用模型共享技术的系统,模型共享技术能够提升系统吞吐量达136%。

摘要：文本语义匹配是很多自然语言处理任务的基础.在很多场景中都需要文本语义匹配技术,如搜索、问答系统等.在实际运用场景中,对文本语义匹配的效率有很高的要求.虽然表征学习型语义匹配模型相较于交互型模型的准确率有所下降,但效率极高.而表征学习型语义匹配模型提升性能的关键是抽取具有高层语义特征的句向量.针对该问题,本文在ERINE模型的基础上,设计了特征融合模块及特征抽取模块,以获取具有多维语义特征的句向量,并通过设计语义预测的损失函数,进一步提升模型获取语义信息的性能,从而提高文本语义匹配的准确率.最终在百度千言文本相似度数据集上的准确率达到85.1%,表现出较好的性能.

摘要：用户界面(user interface, UI)在应用程序与用户的交互中扮演了至关重要的角色.当前移动互联网的普及,已经使得基于Web (world wide web)的应用大规模从桌面端迁移到移动端, Web前端开发在应用程序的开发中愈加广泛和深入.传统Web前端开发首先依赖设计人员给出设计稿,然后由程序员编写相应的UI代码.这种方式行业壁垒高、开发速度慢,不利于产品的快速迭代.深度学习的发展使得基于UI图像自动生成Web前端代码成为可能.现有方法对于UI图像特征的捕捉能力较弱,生成代码的准确性较低.为了改善这些问题,提出了基于Swin Transformer的Encoder-Decoder模型image2code,用于从UI图像生成Web前端代码. image2code将从UI图像生成Web前端代码的过程视为图像描述任务的一种形式,将包含滑动窗口设计的Swin Transformer作为模型编码器和解码器的骨干网络.其中滑窗操作将注意力计算限制在一个窗口内,减少了注意力机制的计算量,同时保证了不同窗口间仍然有特征关联.另外,image2code生成可以直接转换为HTML (hyper text markup language)代码的Emmet代码,利用Emmet代码的简洁性提高模型训练的效率.实验结果表明,在已有公开数据集和新构建的数据集上,image2code在Web前端代码生成任务上的表现要优于pix2code和image2emmet等代表性模型.

摘要：材料研发行业在生产过程中产生的数据类型多样,数据来源于不同系统,涉及流程多,面临数据孤岛等问题,需要一个集数据收集、管理与应用于一体的数据应用系统推动其数字化转型,发挥数据价值,驱动行业创新变革.本文针对以上问题,设计了面向材料研发领域的数据应用系统,覆盖了材料研发领域中从数据采集到数据存储的完整数据管理流程,并且能够有效支撑“专题数据库”“配方性能预测”及“配方相关性分析”等材料研发数据应用,推动材料研发行业以数据驱动创新发展.