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。

基于邻域采样的多任务图推荐算法

近年来,图神经网络(GNN)成为解决协同过滤的主流方法之一。它通过构建用户-物品图,模拟用户与物品的交互关系,并用GNN学习它们的特征表示。尽管现有在模型结构上的研究已取得了较大进展,但如何在图结构上更有效地进行负采样仍未有效解决。为此,提出一种基于邻域采样的多任务图推荐算法。该算法提出了一种基于GNN的邻域采样策略,该策略以每个用户为中心构建子图,将次高阶物品作为用户邻域采样的负样本,可以更有效地挖掘强负样本并提高采样质量。通过GNN对图结点进行信息聚合与特征提取,得到结点的最终嵌入表示。设计一种余弦边际损失来过滤部分冗余负样本,以有效减少采样过程中的噪声数据。同时,该算法引入了多任务策略对模型进行联合优化,以增强模型的泛化能力。在3个公开数据集上进行的大量实验表明,该算法在大多数情况下明显优于其他主流算法。

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。

BIM模型三维出图关键技术研究与应用

为解决BIM模型三维正向设计出图问题,基于MicroStation三维设计平台,通过二次开发方式系统研究成图及标注关键技术。通过提取剖切位置处模型切面、剖视范围内三维模型,实现剖面图底图绘制;通过将材料属性信息和剖面图关联,并配合预定义填充符号库,实现剖面图自动填充;通过将自定义数据结构在模型和图纸之间关联,实现图纸与模型联动更新;通过修改剖视图中前视范围内不可见边显示样式,实现二维剖视图中不可见边虚线显示;研发二、三维图面高程、坡比、桩号等快速标注、图框快速调用工具,实现快速成图。实例应用结果表明,该方法可明显提升基于BIM模型的二维图纸生成效率,适用直线型、折线型等不同剖面位置线图纸批量剖切,满足结构模型、地形模型、地质模型等同时剖切需求、不同出图比例图纸剖切要求、模型修改后图纸批量更新需求,研究方法和软件开发思路可为同类项目提供参考。

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。

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。

基于诺莫图构建髋部骨折患者发生下肢深静脉血栓的预测模型

目的探讨髋部骨折患者发生下肢深静脉血栓(DVT)的独立危险因素,并构建和验证列线图模型。方法选择2020年1月至2023年6月佛山市中医院骨科收治的髋部骨折患者227例为研究对象,按照7∶3比例将患者分为建模组(n=159)和验证组(n=68)。收集患者的临床资料,采用LASSO回归和Logistic回归筛选髋部骨折患者发生DVT的独立危险因素,建立风险预测模型和列线图。采用一致性指数(C-index)、校准曲线、受试者工作特征(ROC)曲线进行评价。结果建模组159例髋部骨折中发生DVT 33例,发生率为20.89%。LASSO回归结合多因素Logistic回归分析结果显示,年龄≥70岁、糖尿病、受伤至手术时间≥5 d、低蛋白血症、D-二聚体>0.5是髋部骨折患者发生DVT的独立危险因素。基于上述危险因素绘制列线图模型,将上述5个危险因素构建列线图模型,模型区分度良好(C-index=0.932);Hosmer-Lemeshow检验显示,列线图的拟合优度良好(χ^(2)=57.625,P=0.732)。建模组和验证组发生DVT的ROC曲线下面积分别为0.932、0.821,模型准确度高。结论年龄≥70岁、糖尿病、受伤至手术时间≥5 d、低蛋白血症、D-二聚体>0.5是髋部骨折患者发生DVT的独立危险因素,基于上述因子构建的列线图模型可有效预测髋部骨折患者发生DVT的风险。

广义θ-图和广义梅花图φ的奇异性

利用奇异图的邻接矩阵行列式等于零的方法讨论广义θ-图和广义梅花图φ的奇异性,分别给出广义θ-图θ(a_(1),a_(2),…,a_(k))和广义梅花图φ(a_(1),a_(2),…,a_(k))是奇异图的充分必要条件,并计算这两类图中奇异图发生的概率值.

基于频率响应与图像特征提取的动车组变压器绕组状态诊断方法研究

动车组变压器是保障高速铁路稳定运行的核心设备,频率响应法是目前检测变压器绕组状态的有效方法。为提升车载变压器绕组状态诊断的准确性,结合暂态信号与频率响应法提出基于频率响应与图像特征提取的动车组变压器绕组状态诊断方法。搭建试验车载变压器绕组故障模拟平台,获取不同故障类型和故障位置的频响曲线,利用类Gram矩阵结合幅频和相频曲线信息,再利用密度分层法转换为伪彩色图,提取对应的灰度共生矩阵和灰度差分矩阵特征值,根据鹈鹕优化支持向量机方法对绕组故障进行诊断。试验结果表明:车载变压器绕组故障发生时,伪彩色图能够反映出故障信息,有利于图像分析和特征提取,采用基于频率响应与图像特征提取的动车组变压器绕组状态诊断方法能够识别车载变压器绕组的典型故障类型和位置。

思维导图结合CBL在临床药物治疗学教学中的应用

临床药物治疗学是临床药学本科的核心课程之一。该课程体系庞大、知识面广,且实践性与应用性强,课程教学具有挑战性,学生学习难度较大。在教学过程中使用思维导图结合案例教学法(CBL),以临床药物治疗案例为导向,通过思维导图将案例中的关键信息呈现,引导学生参与探索和解决问题,培养药物治疗临床思维模式,取得了良好的教学效果。文章以代谢性疾病章节中糖尿病的药物治疗为例,作一总结,旨在与从事该课程的教师或临床药师交流,共同提高临床带教能力。

基于双节点-双边图神经网络的茶叶病害分类方法

传统茶叶病害分类主要依赖人工方法,此类方法费工费时,同时茶叶病害样本较少使得现有的机器学习方法的模型训练不充分,病害分类准确率不够高。针对茶炭疽病、茶黑煤病、茶饼病和茶白星病4类病害,提出一种基于双节点-双边图神经网络的茶叶病害分类方法。首先通过两分支卷积神经网络提取RGB茶叶病害特征和灰度茶叶病害特征,两分支均采用ResNet12作为骨干网络,参数独立不共享,两类特征作为图神经网络的两个子节点,以获得不同域样本所包含的病害信息;其次构建相对度量边和相似性边两类边,从而强化节点对相邻节点所含病害特征的聚合能力。最后,经过双节点特征和双边特征更新模块,实现双节点和双边交替更新,提高边特征对节点距离度量的准确性,从而实现训练样本较少条件下对茶叶病害的准确分类。本文方法和小样本学习方法进行了对比实验,结果表明,本文方法获得更高的准确率,在miniImageNet和PlantVillage数据集上5way-1shot的准确率分别达到69.30%和88.42%,5way-5shot准确率分别为82.48%和93.04%。同时在茶叶数据集TeaD-5上5way-1shot和5way-5shot准确率分别达到84.74%和86.34%。