摘要：在数据要素市场化改革进程不断加快的背景下,能够满足数据资产确权、溯源取证、互联互通、防止篡改、数据链接、许可备案等功能的数据资产登记平台亟待建立。基于Polkadot区块链跨链技术,创新性构建数据资产登记平台设计方案,以多侧链延展结构实现登记信息和访问记录分布存储,协以智能合约、跨链交互、数据加密等技术可实现登记信息在不同用户、不同机构之间的安全流通。通过阐述数据资产登记、协同共享、安全审计三大核心业务的落地路径,论证了模型应用的可行性,以期为我国数据资产登记平台建设实践提供有力理论支撑。

摘要：异构在线迁移学习使用异构源域的离线数据弥补目标域在线学习数据不足,从而提高目标域在线学习性能.现有方法通常假定源域是目标域特征空间子集或依赖特定的辅助数据.本文提出一种基于跨域结构保持投影的异构在线多源迁移学习方法 .通过跨域结构保持投影,同时将每个源域与目标域的特征空间映射到公共子空间,并基于公共子空间中的跨域离线混合数据和目标域在线数据分别进行离线学习和在线学习,提出采用一种双层差异导向对冲集成策略,实现源域离线学习模型与目标域在线学习模型的两层集成融合和在线演化更新.基于本文方法设计实现了一种异构在线多源迁移多分类算法,且理论分析了该算法的分类错误上界.实验结果表明,本文方法能有效实现异构在线多源迁移学习并降低目标域在线多分类错误率,且优于同类的在线多源迁移学习方法.

摘要：随着互联网和全球定位技术的高速发展,基于位置的社交网络(location-based social network)不断涌现,鼓励用户通过签到的形式发布个人动态并实时分享地理位置。海量的签到数据为挖掘用户偏好提供了机会,有利于提供基于位置的服务,如兴趣点(point of interest)推荐。兴趣点推荐旨在通过分析用户历史出行记录来得到用户的位置偏好,从而在未来为用户推荐新的地点,同时也能帮助广告商精准地投放用户感兴趣的广告。地点类别往往能够精准地提炼出位置的上下文语义,而现有的兴趣点研究大多都直接去计算用户对地点的偏好,没有有效地结合类别信息。通过对社交网站Yelp的公开数据集进行分析,发现相比访问共同的地点,朋友之间更容易访问相同的类别。因此,考虑朋友间地点类别偏好关系比直接考虑用户间项目偏好的关系更为合适。文中提出一种结合地点类别和社交网络的兴趣点推荐算法CSRS,先从用户历史签到记录获取用户地点类别偏好,然后考虑朋友间的类别偏好差异性。在Yelp数据集上的实验结果表明,与其他算法相比,文中提出的算法在准确率和召回率指标上都取得了更好的结果。

摘要：以一个由绿色制造商与零售商组成的双渠道供应链为研究对象,基于微分博弈分别比较分析集中式决策、采用竞争型广告策略的分散式决策与采用支持型广告策略的分散式决策模型下,双渠道供应链的最优均衡决策与最优利润.研究发现:集中式决策下的最优低碳水平、最优线上与线下广告水平均高于分散式决策,而产品最优销售价格可能高于、等于或低于分散式决策;分散式决策下,采用支持型广告策略的双渠道供应链的产品最优低碳水平、最优销售价格和最优线上广告投入水平与采用竞争型广告策略的双渠道供应链均衡策略一致;一定条件下,支持型广告策略使得分散式双渠道供应链得到Pareto改进,此时的最优线下广告投入水平优于竞争型广告策略下的最优线下广告投入水平.

摘要：通过用户多行为进行推荐任务中,各个行为通常不是独立作用的,行为之间的协同作用和依赖关系挖掘更能增强用户行为模式建模,反映用户偏好.而用户多行为关系的引入也会增加用户物品交互图与表征空间中的异质性(heterogeneity).针对上述问题,本文设计了一种基于异构图的双通道交叉自适应对比学习推荐模型MB-DCAC(Multi-Behavior Recommendation through Dual-channel Cross-Adaptive Contrast learning),创新性的从异构数据卷积过程构建对比学习方案,并基于异构连接进行表征属性增强,以提升模型挖掘用户行为模式与表达能力.实验结果表明,本文模型在Tmall、IJCAI-Context、Beibei三个数据集上,相较于基准模型在HR@10指标上分别提升了16.7%、18.3%、2.76%.且模型在挖掘多行为之间的依赖挖掘等任务上表现优异.

摘要：近年来,随着推荐系统研究的不断深入,推荐系统的公平性受到越来越多关注.流行度偏差也即流行的物品比非流行的物品更容易被推荐,是影响其公平性的重要因素之一.流行度偏差对推荐系统的各利益相关者都有严重的影响,引起研究者的广泛关注.相关研究主要通过推荐结果重排或学习过程中融合正则化项提升非流行物品的曝光率,而非流行物品的交互数据极度稀疏成为研究的瓶颈.针对此问题,本文提出基于自监督学习的去流行度偏差推荐方法,解决两个难点:(1)准确学习交互数据极度稀疏的非流行物品的表征;(2)提升非流行物品曝光率的同时,兼顾不同用户对流行和非流行物品的偏好.具体地,从用户的角度,提出流行物品和非流行物品双视图的用户偏好学习方法,准确学习用户对流行和非流行物品的真实偏好;从物品的角度,采用自监督学习,利用互信息最大化捕获非流行物品与流行物品间的潜在关系,辅助提升非流行物品嵌入学习的准确性.最后,设计用户流行度偏好一致性、资格公平性等指标,并通过三个公开数据集的大量实验说明了本文方法在提升推荐性能的同时,能有效缓解流行度偏差问题并具有较强的通用性.

摘要：饮食文化是中华文明的重要组成部分,对饮食文化中八大菜系的探究有助于传承和弘扬中华文明.为了向人们进行合理的食谱推荐,提出一个可视分析系统DietVis.首先,设计一种用于表达菜系多维属性的新颖视图,帮助用户分析菜系构成特征;其次,通过对食谱的食材构成和烹饪手法等进行聚类分析,让用户可以多角度地探究食谱间的关联;并结合食谱搭配的关联规则进行推荐,以满足不同用户的检索需求;最后,通过多视图联动构建出完整的饮食数据可视分析系统,支持用户在多层面对菜系及食谱进行探索和对比分析.通过案例分析和用户评估实验,采用李克特量表对调查问卷进行分析,验证了可视化视图的有效性以及系统的实用性.

摘要：该文针对工业控制系统安全,提出面向数控系统(NCS)网络安全保护技术框架,选用国产密码系列算法中的SM2,SM3,SM4算法,设计并建立了数控网络(CNC)认证与验证模型(AUTH-VRF),分内外两层为数控网络提供安全防护。外层为数控网络设备间通信与传输进行安全认证实现网段隔离,内层验证通信协议完整性以确保现场设备接收运行程序的正确性与有效性;通过基于SM2,SM3,SM4算法设计和部署的外层防护装置,为分布式数控(DNC)设备与数控系统之间的通信提供身份认证与文件加密传输;同时针对工业控制网络的S7Comm工业通信协议数据,通过SM3算法验证专有工业协议数据完整性。通过网络攻击实验证明,AUTH-VRF模型可以为数控网络中工业生产数据提供有效的安全认证和资源完整性保护,为满足我国关键基础设施“国内、国外工业控制系统产品共同安全可控”和“安全技术深入工业控制系统各个层级”的需求提供了实际可行的技术参考方案。

摘要：该文设计并开发了一套基于小程序·云开发的实验室设备管理系统,在介绍小程序·云开发的基础上给出了系统总体设计方案及技术路线,并展示了系统的运行效果.实践表明,该系统使实验室设备的管理更加科学化和制度化,提高了设备的利用率,降低了管理人员的劳动强度,具有成本低、易维护、开发门槛低、开发周期短等优点,具有一定的推广价值.

摘要：该文设计并开发了一套基于“互联网+”的实验室机房智能管理系统。该系统依据课表和预设的规则提前打开计算机和空调设备,师生进入教室可立即开展实验教学;系统还实现了智能巡检功能,全天候对实验室机房进行巡查,智能关闭空闲的计算机等设备,减轻了管理人员的工作负担;系统通过集成视频监控和智能门禁系统,实现了对实验室机房的无人值守开放式管理。智能管理系统提高了实验教学效率,节省了电力资源,增强了实验室的安全性。