SIHC:一种高效的时态图上k-core查询算法

许多实体之间的关系可以建模为时态图,其中每条边都与表示其发生的时间相关联,k-core是捕获密集子图的基本模型,在近些年得到了广泛研究.给定时间区间I=[s,e]和k值,时态图G上的k-core子图查询从区间I对应的快照图GI中返回相应的k-core子图.针对时态图中的k-core子图查询问题,现有方法是基于PHC索引(Pruned Historical Core-Index)的算法.对任意可能的k值,PHC索引维护了所有可能出现在某个时间区间的k-core子图中的顶点集Sk,且为集合中每个顶点存储了一组时间区间,用于判定该点是否属于给定时间区间的k-core子图.基于PHC索引查询k-core子图时,需要访问Sk集合中的所有顶点,并判断每个顶点的可满足性.由于Sk集合对应于最大区间快照图的k-core子图里的所有顶点,且实际中用户查询区间对应的快照图往往比最大区间快照图小得多,基于PHC索引的查询算法存在许多无效判断,需要对大量不在结果集中的顶点进行检测,且无效检测次数随着查询区间的缩短而增多,从而导致算法效率较低.针对该问题,本文提出一种新的索引,即最短区间历史核索引SIHC(Shortest Interval Historical Core Index).SIHC索引的基本思想是通过维护最短k核区间到顶点的倒排表,查询处理时,可基于用户给定的时间区间定位到SIHC索引中满足条件的区间,进而直接得到满足条件的k-core子图中的顶点,从而避免了基于PHC索引进行查询时所需的大量无效判断.我们从理论上证明了基于SIHC索引处理时态图上k-core子图查询的正确性,并设计了高效的索引构建算法.最后,基于真实世界的时态图进行了实验,实验结果表明本文提出的算法比现有算法快1~2个数量级.

面向GPU平台的复杂网络core分解方法研究

在复杂网络理论中,core分解是一种最基本的度量网络节点“重要性”并分析核心子图的方法.Core分解广泛应用于社交网络的用户行为分析、复杂网络的可视化、大型软件的代码静态分析等应用.随着复杂网络的图数据规模和复杂性的增大,现有研究工作基于多核CPU环境设计core分解并行算法,由于CPU核数和内存带宽的局限性,已经无法满足大数据量的高性能计算需求,严重影响了复杂网络的分析应用.通用GPU提供了1万以上线程数的高并行计算能力和高于100GB/s访存带宽,已被广泛应用于大规模图数据的高效并行分析,如广度优先遍历和最短路径算法等.为了实现更为高效的core分解,提出面向GPU平台下的复杂网络core分解的两种并行策略.第1种RLCore策略基于图遍历思想,利用GPU高并发计算能力对网络图结构自底向上遍历,逐步迭代设置各节点所属的core层;第2种ESCore策略基于局部收敛思想,对各节点从邻居节点当前值进行汇聚计算更新直至收敛.ESCore相比RLCore能够大大降低遍历过程中GPU线程更新同一节点的同步操作开销,而其算法的迭代次数受收敛率的影响.在真实网络图数据上的实验结果表明,所提出的两个策略在效率和扩展性方面能够大幅优于现有其他方法,相比单线程上的算法高达33.6倍性能提升,且遍历边的吞吐性能(TEPS)达到406万条/s,单轮迭代的ESCore的执行效率高于RLCore.

基于网络快照的核心专利预测方法研究

[目的/意义]提出一种专利网络快照分析方法,可应用于核心专利预测,进一步发展专利网络分析理论。[方法/过程]首先,利用专利网络快照记录专利技术在不同快照时刻的状态,保留其在发展演化过程中的关键信息;其次,应用图嵌入方法获取记录专利技术演化过程信息的技术关系特征,并开展核心专利预测实验;最后,从不同图嵌入方法、特征表示维度和专利被引时滞等角度,探究技术关系特征对预测效果的影响。[结果/结论]网络快照提供了专利技术演化过程信息,这是静态网络分析方法所不能获取的;利用网络快照和图嵌入方法获取的技术关系特征能够预测核心专利。实证研究发现,技术关系特征的预测效果在一定程度上优于专利指标特征;受专利网络规模的影响,特征表示维度的增大并不会显著提高预测效果,维度在增加至一定数量后预测效果会出现波动;增加专利被引信息可以提高预测的精准性,但会降低预测结果的时效性。

面向多核CPU与GPU平台的图处理系统关键技术综述

图计算作为分析与挖掘关联关系的一种关键技术,已在智慧医疗、社交网络分析、金融反欺诈、地图道路规划、计算科学等领域广泛应用.当前,通用CPU与GPU架构的并行结构、访存结构、互连结构及同步机制的不断发展,使得多核CPU与GPU成为图处理加速的常用平台.但由于图处理具有处理数据规模大、数据依赖复杂、访存计算比高等特性,加之现实应用场景下的图数据分布不规则且图中的顶点与边呈现动态变化,给图处理的性能提升和高可扩展性带来严峻挑战.为应对上述挑战,大量基于多核CPU与GPU平台的图处理系统被提出,并在该领域取得显著成果.为了让读者了解多核CPU与GPU平台上图处理优化相关技术的演化,首先剖析了图数据、图算法、图应用特性,并阐明图处理所面临的挑战.然后分类梳理了当前已有的基于多核CPU与GPU平台的图处理系统,并从加速图处理设计的角度,详细、系统地总结了关键优化技术,包括图数据预处理、访存优化、计算加速和数据通信优化等.最后对已有先进图处理系统的性能、可扩展性等进行分析,并从不同角度对图处理未来发展趋势进行展望,希望对从事图处理系统研究的学者有一定的启发.

基于灰度图谱分析的IP软核硬件木马检测方法

随着芯片设计、制造、封装等流程的分工细化,利用第三方知识产权(IP)软核进行二次开发可以明显提升设计效率,减少重复工作。但是大量非自主可控IP软核被用于加速设计时,可能导致芯片在设计阶段被植入硬件木马,使得芯片安全性难以保证。当前IP软核安全检测方法主要依赖功能测试、代码覆盖率和翻转率分析,或在语义层面进行关键字匹配,且无法对加密IP软核进行检测。在分析硬件木马结构及其在IP软核中实现特征的基础上,利用非可控IP软核与“Golden”IP软核中寄存器传输级(RTL)代码灰度图谱的特征差异,基于Trust-Hub构建“Golden”软核集,提出基于灰度图谱特征的IP软核硬件木马检测模型和算法。以功能篡改型IP软核B19-T100为实验对象,通过调整合适的成像矩阵参数,利用分块匹配对比方式实现硬件木马检测,结果表明,该算法的检测精度达97.18%。在对B19、B15、S38417等5类共18个样本进行测试时,所提算法的平均检测精度达92%以上,表明其可实现对硬件木马的有效识别,检测精度和适用性较强。

基于时空动态检测的核电厂堆外中子探测器故障检测方法

在核电厂安全监控体系中,堆外中子探测器扮演着关键角色。然而,现有针对探测器的故障检测方法侧重于提取时序特征,以及采用固定阈值方式加以辨识故障,未充分利用探测器之间蕴含的空间耦合关系且缺乏灵活性。为此,该文提出1种针对堆外中子探测器的时空动态检测模型(STDDM)。该模型由时序卷积网络(TCN)、图卷积网络(GCN)和动态阈值3个模块构成。其中,将TCN和GCN模块相组合,用于提取探测器间隐含的时空关系以重构探测器信号。在此基础上,计算重构与真实信号间的残差,根据个体探测器的残差均值以及整堆探测器残差标准差,设计动态阈值检测策略,使模型能够自适应于反应堆运行工况的变化。通过某地区核电厂真实数据加以验证,所提STDDM不仅能实时且精准地重构探测器信号,而且在不同故障情况下依然具有较强的故障容错能力,证明其在核电厂堆外中子探测器故障检测中的有效性和实用性。

大规模图的分布式核分解算法

随着互联网信息技术的发展,社交网络、计算机网络及生物信息网络等领域涌现海量大规模图数据.鉴于传统图数据管理技术在处理大规模图时存在存储及性能方面的局限,大规模图的分布式处理技术已成为图数据库领域的研究热点,并得到工业界和学术界的广泛关注.图的核分解用于计算图中所有顶点的核值,有助于挖掘重要图结构信息,在社区搜索、蛋白质结构分析和网络结构可视化等诸多应用中发挥着关键作用.当前以顶点为中心计算模式的分布式核分解算法中采用一种广播的消息传递机制,一方面,存在大量的冗余通信及计算开销;另一方面,处理大规模图核分解过程中易产生内存溢出问题.为此,分别提出基于全局激活和层次剥离计算框架,并提出分布式核分解新算法,通过引入基于顶点核值局部性特点的消息剪枝策略和以计算节点为中心的计算新模式,保证算法有效性的同时提升其性能.在国家超级计算长沙中心分布式集群上,分别针对大规模真实和合成数据集,算法总耗时性能提升比例为37%–98%,验证所提模型和算法的有效性和高效性.

基于可控制性度量的图神经网络门级硬件木马检测方法

随着全球化的不断深入,第三方知识产权(IP)核应用越来越广泛。随着硬件木马攻击技术逐渐成熟,使得在芯片设计阶段植入硬件木马成为可能。因此,在芯片设计过程中面临IP核被植入木马的严重威胁,现有研究所提的硬件木马检测方法具有依赖黄金参考电路、需要完备的测试向量、大量的样本进行学习等特征。面向IP核的硬件木马检测需求,提出一种基于可控制性度量的图神经网络检测方法。该方法以门级网表作为输入,首先以可控制性值为指导,得到可疑的门节点,用于缩小搜索范围;然后利用可疑门节点生成对应的子图,利用图卷积神经网络从子图中提取特征,实现对子图的分类和检测,最终识别硬件木马。实验结果表明,该方法无须测试激励和黄金模型,利用硬件木马的隐蔽特性与结构特征相结合的方法提升硬件木马的检测准确率,平均真阳率为100%,假阳率为0.75%,在保证较高真阳率的同时可有效降低假阳率,达到较好的检测效果。

基于文献计量分析的数学核心素养研究综述

数学核心素养是数学教育研究的热点问题。对数学核心素养文献从发表时间、作者与机构、关键词与热点、研究主题角度进行文献计量研究,探索研究现状与发展趋势,并提出数学核心素养研究的建议,即加强协作交流、创新研究方法、提倡跨界研究等。

IBNAD:一种基于交互的5G核心网网络功能异常检测模型

现有5G(5th GenerationMobile Communication Technology)核心网异常检测主要基于信令流量深度解析,但较少利用核心网网络功能交互关系的作用。针对上述问题,提出一种基于交互的5G核心网网络功能异常检测模型。首先,该模型以行为分析为驱动,基于信令流量和网络功能注册数据提取多维属性,通过行为画像来表征网络功能行为模式,并采用集成学习算法RFECV(Recursive Feature Elimination with Cross-Validation)进行属性特征选择,降低特征维度的同时筛选出与区分网络功能行为模式高度相关的属性特征。然后,模型基于网络功能交互关系对核心网进行图建模,建模后的图数据融合了网络功能属性信息和交互信息。最后,模型通过基于空间域的图卷积网络聚合邻域节点属性信息和结构信息来融合行为模式特征,新生成的节点表示用于分类,从而将核心网网络功能异常检测问题转化为图节点分类问题。通过在free5GC仿真平台上采集数据,并在搭建的异常检测系统中的实验表明,该模型的异常检测性能优于基于属性特征分析的传统机器学习模型、基于结构特征分析的图嵌入模型及部分5G核心网异常检测模型。10%数据集作为训练集时,所提模型的准确率比支持向量机模型提高6.6%,比Struc2vec模型提高13%,比深度神经网络模型提高8%。

基于“双师型”教师核心能力培养路径的知识图谱分析

目的可视化分析“双师型”教师核心能力培养路径探究的相关文献,了解“双师型”教师核心能力培养路径的研究趋势,以应对快速变化的教育需求和挑战,为未来的教育改革和师资培训提供新的方向。方法收集中国知网(CNKI)从建库至2024年2月27日对于“双师型”教师核心能力培养路径探究的相关文献数据,应用CiteSpace、VOSviewer、Excel等软件对数据进行共现分析和可视化。结果纳入总文献数为450篇,文献年度刊出量总体呈上升趋势;第一作者分布于我国29个省、自治区、直辖市,论文刊出量以华东地区、华南地区和华中地区最为集中;作者合作度为1.58,合著率为31.56%;文献被引频率72.22%;热点关键词包括“双师型”“高职院校”“产教融合”“校企合作”和“教学能力”等。结论通过对相关文献的可视化分析,揭示了“双师型”教师核心能力培养当前面临的挑战和尚未探索的研究领域,为未来的教育改革和师资培训提供了新的方向。

《延安大学学报(社会科学版)》创刊45周年文献计量分析

为纪念《延安大学学报(社会科学版)》创刊45周年,打造更有特色、更有水平的学术交流平台,采用文献计量和知识图谱分析方法,梳理期刊的载文量、基金论文和关键词等,总结其研究热点、核心作者、发文机构、被引与影响力情况。结果显示,延大社科学报创刊45年来,载文量历经稳步增长、快速发展、调整跃升和高质量发展等发展阶段,发文基金以国家级和省级基金为主,高频关键词主要有中国共产党、延安时期、毛泽东等,形成了“中国共产党”“延安时期”“毛泽东”“陕甘宁边区”“马克思主义”等长期研究热点,拥有规模较大的核心作者群。研究认为,《延安大学学报(社会科学版)》应持续坚持学术性、时代性、创新性和前沿性导向,为潜在作者提供更高水平的学术交流平台,为学术观点和理论知识的传播扩散发挥更大作用。

中小学课程思政的研究现状和发展趋势——基于知识图谱的分析

“课程思政”日益成为中小学学科育人的重要课题。通过CiteSpace生成的知识图谱可对中小学课程思政研究的年度发文趋势和关键主题进行可视化分析。研究发现,目前中小学课程思政研究呈现出如下热点:遵循政策导向,聚焦核心素养;立足学科特性,开发思政资源;着眼育人价值,探究有效策略。研究认为,未来中小学课程思政研究要推进理论体系向教学体系转化的研究,关注一体化育人体系建设研究,重视“教学评一致性”研究。

基于GSLF-SSA的异构多核处理器任务调度

为了提高异构多核处理器平台的计算性能,从任务调度的角度出发,提出了一种使用黄金正弦和莱维飞行机制改进的麻雀搜索算法(Fusion of Golden Sinusoidal and Levy Flight in Sparrow Search Algorithm,GSLF-SSA)来优化异构多核处理器的任务调度。通过对异构任务调度的分析,将异构任务建模为DAG(Directed Acyclic Graph)任务模型,通过对其优先级进行随机编码分配,实现了GSLF-SSA算法求解域从连续到离散的映射,使该算法更能适用于异构多核任务调度之中。将DAG任务的最优调度长度作为算法的适应度值进行迭代寻优,通过与目前应用广泛的麻雀搜索算法(SSA)、混合式任务调度算法(IHSSA)、人工蜂群算法(ABC)等多种启发式算法在异构任务调度环境下的实验对比表明,GSLF-SSA能获得更优的调度长度与更短的调度执行时间。

我国“核心素养+深度学习”的研究现状、热点与展望——基于CiteSpace的可视化分析

借助CiteSpace的知识图谱可视化软件,对以“核心素养+深度学习”为主题的中国知网收录的CSSCI期刊文献进行分析,全面考察我国对该领域的研究现状及趋势。结果表明,“核心素养+深度学习”研究领域的发文量逐年递增,但核心作者群暂未形成,发文机构类型较为单一;研究热点覆盖面广;研究前沿符合新课标的要求,但缺乏实证研究。基于此,在后续研究中,应加强对“核心素养+深度学习”研究的关注度,打造“核心素养+深度学习”研究学术共同体;健全人才培养制度,促进“核心素养+深度学习”领域的理论研究与教学实践协同推进。

基于优先级时间Petri网的实时嵌入式多核系统分析

已有的基于点区间优先级时间Petri网分析实时嵌入式多核系统的工作,存在以下不足:(1)点区间优先级时间Petri网只考虑每个任务的执行时间是一个固定值的情况,而更多的实际应用中每个任务的执行时间是在一个区间范围内,因此不能模拟这些应用;(2)没有实现从任务依赖图到点区间优先级时间Petri网的自动转化,不便于工程设计人员使用;(3)没有考虑任务间互斥访问共享变量的情况.为此,定义了优先级时间Petri网(Pri-TPN)以弥补第1个不足;定义带有资源分配与优先级的任务依赖图(TDG-RAP)以弥补第3个不足;给出从TDG-RAP到Pri-TPN的转化规则与算法以弥补第2个不足,以及基于Pri-TPN分析任务最坏执行时间与系统死锁的算法;开发工具软件,方便工程设计人员使用.

泥石流、冰碛和河湖沉积物的粒度特征及判别

根据福克（Ｆｏｌｋ）公式，计算出几个典型地区泥石流、冰碛和河湖沉积物的粒度特征参数，用核心区域图解法和判别分析方法认识和分析参数的分布特征和联系，初步建立判别的图形模型和数学模型，用以反推和判别参数反映的沉积类型和沉积环境。

岩芯声学特性与原位测井参数对比研究

通过实验室对岩芯物性参数的测试结果与由原位声波测井曲线获得的物性参数进行的对比研究，得出了它们之间是良好的线性关系。利用纵波速度与波速比的关系可以区分岩性，同时还得出剪切模量与孔隙度成反比关系。这一研究结果给实地确定岩层物性参数带来了极大的方便，为油田、煤田勘探开采提供获取力学参数的简便方法，将为测井和地震勘探资料解释提供实验基础。

基于链接分析的Web社区发现技术的研究

如何发现Web上根据“主题”聚集在一起的多个社区,使我们能快速地从互联网上提取知识,是Web挖掘的一个研究方向。详细介绍了基于链接结构的四种社区发现的算法,同时也指出了这些算法的缺陷和改进方向。

基于图压缩的最大Steiner连通k核查询处理

研究了基于图压缩的最大Steiner连通k核查询处理,提出了一种支持最大Steiner连通k核查询的图压缩算法SC,证明了基于SC压缩算法的查询正确性.由于最大Steiner连通k核查询仅需要找到符合要求的连通区域,提出了图压缩算法TC,进一步将压缩图压缩为树.证明了基于压缩树的查询正确性,并提出了线性时间的无需解压缩的查询处理算法.真实和虚拟数据上的实验结果表明：压缩算法平均可将原始图压缩掉88%,且对于稠密的原始图,压缩算法的压缩效果更好,可将原始图压缩掉90%,与在原始图上直接进行查询处理相比,基于压缩图的查询处理算法效率更好,平均提升了1~2个数量级.