联盟链共识机制研究综述

【目的】分析拜占庭问题的应用,梳理联盟链共识机制的相关研究。【文献范围】以Consensus Mechanisms和共识机制为检索词,分别检索WoS、ResearchGate、arXiv以及中国知网,人工筛选联盟链共识机制相关的文献,最终选取74篇相关文献。【方法】梳理区块链共识机制及其分类方法,回顾拜占庭问题在分布式领域的应用,研究强共识的共识机制和授权共识机制。【结果】总结拜占庭问题、布鲁尔定理、拜占庭系统和拜占庭容错机制的发展过程以及内在联系;提出联盟链共识机制的基本流程和评价标准;基于安全性和时延性将联盟链共识机制分为4类。【局限】理论上可用于联盟链的共识机制较多,本文未全部展开介绍。【结论】联盟链共识机制的研究推进了区块链的落地实践,从容错能力、通信时延、转换效率等维度改进共识机制是联盟链共识机制未来的研究方向。

RLCPAR:一种基于强化学习的中文专利摘要改写模型

【目的】提出一种基于强化学习的中文专利摘要改写模型(RLCPAR),以解决现有的自动摘要方法在处理多句子摘要改写时存在的句子冗余和准确率低的问题。【方法】引入专利术语词典,运用基于强化学习的句子抽取方法,对专利说明书文本的关键句进行抽取,利用Transformer深度神经网络文本生成方法生成候选摘要,最终融合专利原始摘要信息,经过语义去重和排序得到改写的摘要。【结果】RLCPAR模型实现端到端的专利摘要改写,并且在ROUGE-1、ROUGE-2和ROUGE-L评价标准上分别达到56.95%、37.21%和51.24%。【局限】数据主要来源于中药材领域,在其他领域中的效果有待验证。【结论】RLCPAR模型明显优于其他序列生成方法,改善了中文专利摘要改写的效果。

MWEC:一种基于多语义词向量的中文新词发现方法

【目的】提出一种基于多语义词向量的中文新词发现方法(MWEC),解决多领域社交媒体文本的分词不准确问题。【方法】利用社交媒体文本,结合中文知网和汉字笔画数据库训练多语义词向量,以解决语义混淆问题。使用N-gram频繁字符串挖掘方法识别相关度高的子词集合,以此获取新词候选集。利用多语义词向量的语义相似度评估候选词进而获得新词。【结果】在金融、体育、旅游和音乐4个领域数据集上进行实验,结果表明本文方法的F1指标较对比方法分别提升了2.0(金融)、3.0(体育)、2.6(旅游)、11.3(音乐)个百分点。【局限】候选词生成策略着重关注子词的热度,低频词很难被识别出来。【结论】通过增强词向量的语义理解能力,利用多语义词向量对新词候选词进行剪枝,能有效提升针对中文社交媒体文本的新词发现能力。

EgoSF:基于区块链的食品安全数据监管集成模型

食品供应链中的供给侧种类多、业务杂,监督管理人员难以制定统一模板对上链节点进行安全评估,导致食品安全监管效率差、质量低。Ego SF是一个结合超级账本2.0去中心化和随机森林集成化的基于授权机制的企业级许可食品安全监管集成模型,交易确认时间短且具有高鲁棒性。通过在食品溯源产品中应用EgoSF模型,证明EgoSF可以在食品安全监管过程中提升监督管理人员的工作效率和工作质量,为进一步研究区块链技术与机器学习、数据挖掘的结合和探索区块链技术在食品溯源领域的应用奠定良好基础。