图计算体系结构和系统软件关键技术综述

图计算作为分析事物之间关联关系的重要工具,近年来已成为各国政府及公司争夺的关键技术.学术界和工业界在图计算体系结构和系统软件关键技术方面取得了一定进展.然而,现实场景图计算大多具有动态变化、应用需求复杂多样等特征.这给图计算在基础理论、体系架构和系统软件关键技术方面提出了新的需求,同时也带来了新的挑战.为应对这些挑战,科研人员提出了一系列图计算系统或图计算加速器,通过高性能计算、并行计算等技术来优化图计算过程.综述国内外图计算体系结构和系统软件关键技术的研究发展现状,对国内外研究的最新进展进行归纳、比较和分析,并结合国家发展战略和重大应用需求,选取与我国国计民生密切相关的领域,从典型应用分析总结图计算相关技术的行业进展.最后,就未来的技术挑战和研究方向进行展望.

基于图卷积神经网络的节点分类方法研究综述

节点分类任务是图领域中的重要研究工作之一。近年来随着图卷积神经网络研究工作的不断深入,基于图卷积神经网络的节点分类研究及其应用都取得了重大进展。图卷积神经网络是基于卷积发展出的一类图神经网络,能处理图数据且具有卷积神经网络的优点,已成为图节点分类方法中最活跃的一个研究分支。对基于图卷积神经网络的节点分类方法的研究进展进行综述,首先介绍图的相关概念、节点分类的任务定义和常用的图数据集;然后探讨两类经典图卷积神经网络——谱域和空间域图卷积神经网络,以及图卷积神经网络在节点分类领域面临的挑战;之后从模型和数据两个视角分析图卷积神经网络在节点分类任务中的研究成果和未解决的问题;最后对基于图卷积神经网络的节点分类研究方向进行展望,并总结全文。

基于异质图嵌入和会话交互的课程推荐模型

大规模在线教育平台所形成的网络具有数据量大、实体类型丰富、关系复杂等特性。一方面,在线教育正在被大力普及,而另一方面,在线课程却面临低使用率、低完成度及高辍学率的问题。个性化的课程推荐有利于提高学习者的学习积极性,其中,课程能否顺利合格完成是学习者在选课时所考虑的重要因素。鉴于此,提出一种基于学习完成度预测的个性化课程推荐模型。对学生的课程学习会话图进行建模,根据学生的课程学习顺序以及课程的完成情况,生成学生的学习状态表征;同时考虑在线学习环境因素对课程的影响,构建在线课程学习异质图,采用图神经网络生成异质图中课程节点的嵌入;然后通过交互机制融合学习状态表征和课程嵌入,预测学生下一门将学课程的完成度,根据完成度排序从而实现课程推荐。在CNPC、HMXPC和Scho1at3个大规模在线课程学习数据集上的实验结果表明,该模型能有效提升推荐的准确度,在归一化折损累计增益(NDCG)和平均倒数排名(MRR)2个指标上相较于基线模型最优结果均有显著提升,评估指标K值取5时,其NDCG@5指标在3个数据集上分别提升21.08%、17.73%和5.41%,MRR@5指标在3个数据集上分别提升25.66%、31.59%和26.96%。

多尺度融合与动态自适应图的公交客流预测模型

公交客流预测是公共交通规划和管理中的重要问题。虽然时空图卷积在地铁客流预测任务中获得了很好的预测效果,但是面对公交更复杂的线路、大规模的节点数据,现有的基于图卷积的空间建模方法将带来巨大的空间内存消耗。同时,公交客流量短时间范围内更可能受到瞬时交通状况的影响。为了解决这些挑战,提出了一种多尺度融合和动态自适应图的公交客流预测模型(MFDAG)。该模型融合客流、时刻和周信息以增加数据的特征维度,用动态自适应图的方法来学习不同站点之间的关系。进一步提出了一种多尺度融合传播的方法来表示复杂的空间依赖关系,同时设计了一种多尺度卷积传播的方法来学习不同尺度的时间依赖关系。在两个真实的客流数据集上进行了实验,并与其他交通预测方法进行了比较。实验结果表明,所提出的多尺度融合和动态自适应图的公交客流预测方法具有更高的预测准确度。

基于特征图像组合与改进ResNet-18的电能质量扰动识别方法

针对传统电能质量扰动(power quality disturbance,PQD)识别体系中单一图像特征信息受限与算法识别能力不足等问题,依据特征融合的思想,提出一种基于特征图像组合与改进ResNet-18的PQD识别方法。首先,对PQD信号进行变分模态分解(variational mode decomposition,VMD)得到一系列固有模态函数(intrinsic mode functions,IMFs)与残差分量;其次,将IMFs、残差分量、原始扰动信号与Subtract分量纵向拼接成分量矩阵,利用信号-图像转化方法生成特征分量彩色图;再次,对原始扰动信号进行连续小波变换(continuous wavelet transform,CWT)生成小波时-频图;最后,将特征分量彩色图与小波时-频图组合输入改进的六通道ResNet-18中训练学习并完成扰动识别。通过仿真对PQD识别方法进行分析并将其与目前常用识别体系进行比较。结果表明,所提方法具有较好的抗噪性能并且能够更好地提取PQD特征信息,达到更高的识别准确率。

基于RoBERTa和图增强Transformer的序列推荐方法

自推荐系统出现以来,有限的数据信息就一直制约着推荐算法的进一步发展。为降低数据稀疏性的影响,增强非评分数据的利用率,基于神经网络的文本推荐模型相继被提出,但主流的卷积或循环神经网络在文本语义理解和长距离关系捕捉方面存在明显劣势。为了更好地挖掘用户与商品之间的深层潜在特征,进一步提高推荐质量,提出一种基于Ro BERTa和图增强Transformer的序列推荐(RGT)模型。引入评论文本数据,首先利用预训练的Ro BERTa模型捕获评论文本中的字词语义特征,初步建模用户的个性化兴趣,然后根据用户与商品的历史交互信息,构建具有时序特性的商品关联图注意力机制网络模型,通过图增强Transformer的方法将图模型学习到的各个商品的特征表示以序列的形式输入Transformer编码层,最后将得到的输出向量与之前捕获的语义表征以及计算得到的商品关联图的全图表征输入全连接层,以捕获用户全局的兴趣偏好,实现用户对商品的预测评分。在3组真实亚马逊公开数据集上的实验结果表明,与Deep FM、Conv MF等经典文本推荐模型相比,RGT模型在均方根误差(RMSE)和平均绝对误差(MAE)2种指标上有显著提升,相较于最优对比模型最高分别提升4.7%和5.3%。

智能电网中基于二分图匹配的网络切片资源分配算法

为了解决智能电网中多类业务的服务质量需求难以同时得到满足的问题并兼顾电力终端和网络侧经济效用,提出了一种基于二分图匹配的网络切片资源分配算法。针对智能电网场景中的控制类和采集类业务,为电力终端分别制定相应的投标信息,并据此计算支付价格和效用矩阵;将网络切片与电力终端之间的资源分配建模为二分图匹配问题,根据不同业务的时延、传输速率或能耗需求,向终端分配不同的切片资源以最大化系统效用。仿真结果表明,相较于已有的双向拍卖算法和贪心算法,所提算法能够提高10%~20%的系统效用。

老年肺癌患者胸腔镜下根治切除术后谵妄发生的列线图模型的建立与评价

目的:分析影响老年肺癌患者胸腔镜下根治切除术后发生谵妄的危险因素,基于上述影响因素构建个体化的列线图模型,并验证该列线图模型预测的准确性和临床有效性。方法:回顾性分析2016年01月01日至2021年01月01日我院行胸腔镜下肺癌根治切除术的老年肺癌患者临床资料,挑选符合入组的患者,以是否发生术后谵妄为结局变量,探讨患者相关临床指标、围手术期相关指标以及实验相关指标对术后是否发生谵妄的影响,采用单因素以及多因素logistics分析影响老年肺癌胸腔镜下切除术后发生谵妄的危险因素,利用R语言包构建列线图模型,并利用Bootstrap方法以及临床决策曲线验证该模型的准确性和临床决策的获益性。结果:最终纳入284例患者,284例患者中术后发生谵妄的患者为32例,发生比例为11.27%,通过多因素logistics分析显示导致术后谵妄发生的独立危险因素为:COPD病史,PO 2,BMI,ASA分级,术中单肺通气时间,术中丙泊酚用量以及术后地佐辛用量;ROC曲线验证列线图模型显示:构建的列线图个体化预测老年肺癌胸腔镜下切除术后发生谵妄能力较强,其中AUC=0.858,95%CI 0.71~0.92,随后采用Bootstrap方法重复抽样1000次验证列线图,发现校准曲线的平均绝对误差为0.016,说明校准曲线与理想曲线贴合良好;临床决策曲线显示,列线图模型预测老年肺癌胸腔镜下根治切除术后发生谵妄的发生阈值为0.06~0.87之间时该模型图的适用性最佳。结论:影响老年肺癌患者胸腔镜下根治切除术后发生谵妄的独立危险因素为:COPD病史,PO 2,BMI,ASA分级,术中单肺通气时间,术中丙泊酚用量以及术后地佐辛用量,基于上述危险因素构建的列线图模型对于老年肺癌胸腔镜下根治切除术后发生谵妄预测准确,且临床应用价值较高。

基于超声造影特征构建列线图预测甲状腺微小乳头状癌颈淋巴结转移风险

目的通过分析甲状腺微小乳头状癌(papillary thyroid microcarcinoma,PTMC)患者临床资料、结节超声和超声造影(contrast-enhanced ultrasound,CEUS)特征建立预测颈淋巴结转移(lymph node metastasis,LNM)风险的列线图模型,为合理规范的临床决策提供依据。方法回顾性分析2020年12月1日至2021年12月31日在新疆医科大学第一附属医院行甲状腺手术治疗的PTMC患者404个结节临床资料,应用随机函数按照7∶3分为建模组(n=282)与验证组(n=122)。应用Logistic回归分析筛选PTMC颈淋巴结转移的独立相关因素,构建列线图,以曲线下面积(area under curve,AUC)评估模型诊断效能,应用验证组数据进行外部验证。结果构建模型显示结节边缘、声晕、多灶性、包膜下生长或侵犯包膜、消退模式是颈淋巴结转移的危险因素(P<0.05);建模组AUC为0.747(0.690~0.804),最佳cut-off值为0.430,灵敏度0.65,特异度0.73;验证组AUC为0.778(0.697~0.860),最佳cut-off值为0.419,灵敏度0.64,特异度0.81。结论本研究构建的列线图可个体化预测PTMC颈淋巴结转移的风险,超声和超声造影特征有助于指导高风险人群的临床决策。

面向代码搜索的函数功能多重图嵌入

如何提高异构的自然语言查询输入和高度结构化程序语言源代码的匹配准确度,是代码搜索的一个基本问题.代码特征的准确提取是提高匹配准确度的关键之一.代码语句表达的语义不仅与其本身有关,还与其所处的上下文相关.代码的结构模型为理解代码功能提供了丰富的上下文信息.提出一个基于函数功能多重图嵌入的代码搜索方法.在所提方法中,使用早期融合的策略,将代码语句的数据依赖关系融合到控制流图中,构建函数功能多重图来表示代码.该多重图通过数据依赖关系显式表达控制流图中缺乏的非直接前驱后继节点的依赖关系,增强语句节点的上下文信息.同时,针对多重图的边的异质性,采用关系图卷积网络方法从函数多重图中提取代码的特征.在公开数据集的实验表明,相比现有基于代码文本和结构模型的方法,所提方法的MRR提高5%以上.通过消融实验也表明控制流图较数据依赖图在搜索准确度上贡献较大.

血栓弹力图评估急性白血病患者血小板无效输注出血风险的意义

目的探讨血栓弹力图(TEG)对评估急性白血病(AL)患者发生血小板无效输注(PTR)时出血的风险。方法研究成人AL患者PTR组与非PTR组TEG参数的特点,比较PTR组出血组与无出血组的血小板计数(PLT)及TEG参数的差异。结果58例血小板相关抗体阳性AL患者发生PTR的比例为48.28%。PTR患者采用输注大剂量丙球共20例,输注有效率为40%,PTR患者采用输注配型血小板共26例,输注有效率为42.62%。分析41例PTR组与59例非PTR组的TEG参数,PTR组血小板输注前与输注后PLT值、R值、K值、α角、MA值差异均无统计学意义;非PTR组血小板输注后PLT值、MA值显著高于输注前(P<0.05),其余参数差异均无统计学意义(P>0.05)。非PTR组与PTR组比较,输注后PLT值、MA值均明显高于PTR组(P<0.05)。PTR组患者出血组与无出血组的PLT值及TEG相关参数比较,PLT值、TEG的R值、K值、α角差异无统计学意义(P>0.05),而无出血组的MA值明显高于出血组(P<0.05)。结论发生PTR的AL患者单纯血小板计数不能准确反映患者发生出血风险,TEG MA值可以有助于评估AL患者的出血风险。

支撑新型配电网数字化规划的图形⁃模型⁃数据融合关键技术

配电网规划领域期盼实现智能规划,其愿景在于实现无人或少人干预的全自动规划。在数字化转型的背景下,新型配电网规划将面临图形多样化、场景碎片化、数据规模化三大挑战。文中从图形-模型-数据融合的角度提出三大关键技术:基于电气图纸识别和拓扑智能分析的图形-模型融合技术、基于知识驱动的负荷/新能源推演分析和智能决策的模型-数据融合技术、基于多模态数据融合和多时空数据联动的图形-数据融合技术,尝试打破理论研究与数字化工程的壁垒。最后,对未来新型配电网数字化规划的发展进行思考和展望,为实现“以机为主,人机协同”的大闭环模式提供借鉴。

注意力感知的边−节点交换图神经网络模型

提出了一种注意力感知的边-节点交换图神经网络(attention aware edge-node exchange graph neural network,AENN)模型,在图结构化数据表示框架下,使用边-节点切换卷积的图神经网络算法进行图编码,用于半监督分类和回归分析。AENN是一种通用的图编码框架,用于将图节点和边嵌入一个统一的潜在特征空间。具体地,基于原始无向图,不断切换边与节点的卷积,并在卷积过程中通过注意力机制分配不同邻居的权重,从而实现特征传播。在3个数据集上的实验研究表明,所提方法较已有方法在半监督分类和回归分析中具有明显的性能提升。

基于图分级的水下有向传感器网络栅栏覆盖策略

栅栏覆盖问题近年来已成为水下传感器网络研究的热点,但水下有向传感器网络的栅栏覆盖问题尚未得到足够的重视。随机部署前提下的水下静态有向传感器网络的栅栏覆盖难度较大,因此目前关于该问题的相关研究成果较少。为弥补这方面研究的不足,该文提出一种基于图分级的有向传感器网络首次栅栏覆盖策略。首先,该策略深入研究了多种位置关系下两个相邻节点之间满足强(弱)连接的条件;其次,利用位置关系条件构建分级图,从中选取合适节点进行栅栏的首次构建。仿真实验结果表明:采用该算法对静态有向传感器网络进行栅栏首次构建在确保较高成功率的前提下采用的节点数更少,保证了较高的网络检测概率和较长的网络寿命。

鄂尔多斯活动地块及边界带1∶50万地震构造图编制

地震构造图是综合反映特定地区地震构造环境和地震活动水平的基础性图件,鄂尔多斯活动地块及边界带1∶50万地震构造图是国家重点研发计划“鄂尔多斯活动地块边界带动力学模型与强震危险性研究”项目的一个专题成果。该图以鄂尔多斯活动地块及边界带为编图范围,参照地震行业有关地震构造图编制标准和数据库标准,在系统收集和整理区域地理信息、地质、活动构造、地震、地球物理等资料的基础上,开展高分辨卫星影像解译,吸收项目最新研究成果,建设了编图所需的基础数据库;通过资料矢量化、地层界线修改、断层修改、图面修饰、图件复核等环节,编制成鄂尔多斯活动地块及边界带1∶50万地震构造图。该图反映了由银川盆地—贺兰山、弧形构造束、渭河盆地、山西地堑系、河套盆地等活动构造单元组成的鄂尔多斯活动地块边界带,以及相邻地块有关地震构造的最新资料,完善了鄂尔多斯地块及边界带活动构造几何学和运动学图像,建成了区域地震构造基础数据库。

基于超图Transformer的APT攻击威胁狩猎网络模型

针对物联网环境中高级持续性威胁(APT)具有隐蔽性强、持续时间长、更新迭代快等特点,传统被动检测模型难以对其进行有效搜寻的问题,提出了一种基于超图Transformer的APT攻击威胁狩猎(HTTN)模型,能够在时间跨度长、信息隐蔽复杂的物联网系统中快速定位和发现APT攻击痕迹。该模型首先将输入的网络威胁情报(CTI)日志图和物联网系统内核审计日志图编码为超图,经超图神经网络(HGNN)层计算日志图的全局信息和节点特征;然后由Transformer编码器提取超边位置特征;最后对超边进行匹配计算相似度分数,从而实现物联网系统网络环境下APT攻击的威胁狩猎。在物联网仿真环境下的实验结果表明,提出的HTTN模型与目前主流的图匹配神经网络相比均方误差降低约20%,Spearman等级相关系数提升约0.8%,匹配精度提升约1.2%。

糖尿病足患者溃疡愈合风险的列线图预测模型

目的探讨预测糖尿病足溃疡(DFU)患者溃疡愈合风险的列线图模型。方法收集2021年1―12月于新疆医科大学第一附属医院就诊的200例DFU患者的临床资料,依据DFU是否愈合将其分为愈合组(n=57)和未愈合组(n=143)。收集患者的年龄、性别、体重指数(BMI)、糖化血红蛋白、知-信-行(KAP)模式量表评分以及患者血液中微小RNA(miRNA)-15b-5p的相对含量,采用Logistic回归模型对临床特征数据进行单因素及多因素分析,向后法筛选出相关预测因子并建立预测模型,使用增强Bootstrap验证法对模型内部进行验证,使用一致性指数(C-index)、列线图、校准图、受试者工作特征(ROC)曲线及校准曲线、决策曲线分析(DCA)进行评估。结果通过二元Logistic回归分析及向后法筛选变量,从8个总变量中确定了3个预测因子,即年龄、miRNA-15b-5p相对含量、K评分,其构建的预测模型呈现出中等预测能力,ROC曲线下面积(AUC)为0.923。结论年龄、K评分及miRNA-15b-5p相对含量均为DFU患者溃疡未愈合相关的预测因子,基于这些预测因子建立的预测模型具有优秀的综合性能,可从多个层面预测DFU患者溃疡未愈合的发生风险,为DFU患者溃疡愈合提供了个体化治疗依据。

基于瘤体及瘤周多参数MRI对乳腺病变良恶性诊断列线图预测模型的构建与评价

目的:建立基于瘤体及瘤周多参数MRI的乳腺病变良恶性鉴别诊断的列线图模型,并验证其预测效能。方法:纳入经病理学检查明确乳腺病变性质的100例患者作为研究对象,所有患者均行核磁共振(MRI)检查和病理检查,根据病理检查结果分为乳腺良性病变组(n=62)和乳腺恶性病变组(n=38)。收集患者临床资料、瘤体各参数、瘤周各参数以及乳腺病变良恶性情况。多因素Logistic回归分析筛选乳腺恶性病变的危险因素并构建列线图预测模型,采用受试者工作特征(ROC)曲线和Hosmer-Lemeshow拟合优度检验验证模型的预测效能及拟合优度;内部验证采用Bootstrap。结果:乳腺恶性病变组病灶直径、平均扩散峰度(MK)、MDp/t、瘤周与瘤体MKp/n高于乳腺良性病变组(均P<0.05);乳腺恶性病变组表观扩散系数(ADC)值、平均扩散率(MD)、非对称磁化转移率(MTRasym)、MKp/t、MDp/n低于乳腺良性病变组(均P<0.05)。多因素分析结果显示,病灶直径、MK、MDp/t、MKp/n升高,ADC值、MD、MTRasym、MKp/t、MDp/n降低是乳腺恶性病变的独立影响因素(均P<0.05)。基于上述独立影响因素构建乳腺恶性病变的列线图预测模型,曲线下面积(AUC)为0.827。Hosmer-Lemeshow拟合优度检验显示P值为0.004。采用Bootstrap法,生成的校准曲线拟合良好。结论:瘤体及瘤周多参数MRI对乳腺病变良恶性鉴别诊断具有重要预测价值,基于乳腺恶性病变的独立影响因素构建的列线图预测效果良好,能直观预测乳腺发生恶性病变的概率。

新工科背景下工程图学项目式教学改革探索

结合新工科的建设要求,文章立足培育学生工程制图实践能力与创新能力,将项目式教学融入“工程图学”课程建设中,探索了新工科背景下基于项目教学的工程图学教学改革新模式。在此基础上,文章又从学情分析、教学目标、课程特点、教学内容、项目实施、改革意义等方面加以分析,并以工程图学项目式教学为例详细阐述了若干案例,论述了新工科背景下工程图学项目式教学改革的可行性和有效性。

基于知识图谱多集池化的健康状态智能评估方法

为了从装备传感器监测数据和其他关联数据中提取更全面的时间域和空间域特征信息,提出一种基于知识图谱多集池化的健康状态评估方法。构建了带时间标签的健康知识图谱,以建模装备一段时间内监测数据、部件组成数据和先验知识间的时空依赖关系。在此基础上,设计了图多集池化网络模型,该模型通过节点特征学习、第一级图池化、自注意力特征学习和第二级图池化能够生成图谱的整体向量表示,将健康状态评估转换为基于表示学习的图谱分类任务。在公开的发动机数据集上对所提方法进行了实验评价,结果表明,该方法能够获得较高的评估准确度,在小样本情况下也表现出良好的优势。