點(diǎn)擊上方藍(lán)字關(guān)注我們

《大數(shù)據(jù)》

第7卷第3期 2021年5月

大數(shù)據(jù)2021年第3期

（點(diǎn)擊原文鏈接在官網(wǎng)閱讀完整文章）

目次

01?專題導(dǎo)讀：基于大數(shù)據(jù)的知識(shí)圖譜及其應(yīng)用

靳小龍, 阮彤

02?基于主體掩碼的實(shí)體關(guān)系抽取方法

鄭慎鵬, 陳曉軍, 向陽(yáng), 沈汝超

03?實(shí)體摘要系統(tǒng)的解釋性評(píng)測(cè)

劉慶霞, 李俊宥, 程龔

04?時(shí)態(tài)知識(shí)圖譜補(bǔ)全的方法及其進(jìn)展

申宇銘, 杜劍峰?

05?知識(shí)圖譜推理：現(xiàn)代的方法與應(yīng)用

王文廣

06?知識(shí)圖譜多跳問(wèn)答推理研究進(jìn)展、挑戰(zhàn)與展望

杜會(huì)芳, 王昊奮, 史英慧, 王萌

07?事件圖譜的構(gòu)建、推理與應(yīng)用

胡志磊, 靳小龍, 陳劍赟, 黃冠利

08?大規(guī)模知識(shí)圖譜預(yù)訓(xùn)練模型及電商應(yīng)用

陳華鈞, 張文, 黃志文, 葉橄強(qiáng), 文博, 張偉

09?基于金融知識(shí)圖譜的會(huì)計(jì)欺詐風(fēng)險(xiǎn)識(shí)別方法

陳強(qiáng), 代仕婭

10?聯(lián)邦學(xué)習(xí)隱私保護(hù)研究進(jìn)展

王健宗, 孔令煒, 黃章成, 陳霖捷, 劉懿, 盧春曦, 肖京

11?MadFS：高性能超算緩存文件系統(tǒng)

陳康, 武永衛(wèi), 鄭緯民

12?AIPerf：大規(guī)模人工智能算力基準(zhǔn)測(cè)試程序

翟季冬

13?搶抓數(shù)字經(jīng)濟(jì)機(jī)遇加快云南省數(shù)字化發(fā)展——云南省數(shù)字經(jīng)濟(jì)發(fā)展實(shí)踐

洪正華

摘要

專題：基于大數(shù)據(jù)的知識(shí)圖譜及其應(yīng)用

專題導(dǎo)讀：基于大數(shù)據(jù)的知識(shí)圖譜及其應(yīng)用

作者：靳小龍,?阮彤

摘要：隨著大數(shù)據(jù)時(shí)代的到來(lái)，知識(shí)工程迎來(lái)了新的發(fā)展機(jī)遇。特別是在谷歌公司2012年公布了知識(shí)圖譜（knowledge graph）項(xiàng)目用于增強(qiáng)其搜索引擎的性能之后，基于大數(shù)據(jù)的知識(shí)圖譜迅速得到了學(xué)術(shù)界、工業(yè)界甚至是政府部門的高度關(guān)注。近幾年，知識(shí)圖譜已經(jīng)在搜索引擎、智能問(wèn)答與自動(dòng)客服等通用技術(shù)，以及電子商務(wù)、醫(yī)療健康、智慧金融、智能交通、電子政務(wù)等應(yīng)用領(lǐng)域得到廣泛且深入的應(yīng)用。本專題匯集了人工智能與知識(shí)工程領(lǐng)域?qū)＜覍W(xué)者的8篇文章，一方面，對(duì)國(guó)內(nèi)外知識(shí)獲取、知識(shí)推理、知識(shí)問(wèn)答、知識(shí)應(yīng)用以及事件圖譜等多個(gè)方向的新技術(shù)、新方法進(jìn)行了系統(tǒng)綜述；另一方面，為讀者梳理了知識(shí)圖譜在電子商務(wù)、金融欺詐、醫(yī)療健康等不同領(lǐng)域的應(yīng)用現(xiàn)狀，總結(jié)了當(dāng)下的挑戰(zhàn)，展望了發(fā)展的趨勢(shì)。

原文鏈接：http://www.infocomm-journal.com/bdr/article/2021/2096-0271/2096-0271-7-3-00001.shtml

基于主體掩碼的實(shí)體關(guān)系抽取方法

作者：鄭慎鵬,?陳曉軍,?向陽(yáng),?沈汝超

摘要：實(shí)體關(guān)系抽取技術(shù)能夠自動(dòng)化地從海量無(wú)結(jié)構(gòu)文本中抽取信息，構(gòu)建大規(guī)模知識(shí)圖譜，豐富現(xiàn)有知識(shí)圖譜的內(nèi)容，為知識(shí)圖譜推理和應(yīng)用提供支持。目前級(jí)聯(lián)式的實(shí)體關(guān)系抽取技術(shù)已經(jīng)取得了不錯(cuò)的成績(jī)，但其在主體的向量表示和指針網(wǎng)絡(luò)解碼上存在不足。針對(duì)主體向量表示問(wèn)題，提出利用注意力機(jī)制和掩碼機(jī)制生成主體向量的方法。另外，針對(duì)指針網(wǎng)絡(luò)中因遺漏標(biāo)注而解碼出過(guò)長(zhǎng)實(shí)體的問(wèn)題，提出引入實(shí)體序列標(biāo)記任務(wù)，輔助指針網(wǎng)絡(luò)解碼實(shí)體。在大規(guī)模實(shí)體關(guān)系數(shù)據(jù)集DuIE2.0上進(jìn)行實(shí)驗(yàn)驗(yàn)證得出，相較于先前模型，所提方法取得了0.88%的提升。

原文鏈接：http://www.infocomm-journal.com/bdr/article/2021/2096-0271/2096-0271-7-3-00003.shtml

實(shí)體摘要系統(tǒng)的解釋性評(píng)測(cè)

作者：劉慶霞,?李俊宥,?程龔

摘要：任務(wù)是從知識(shí)圖譜中描述實(shí)體的大量三元組中選取最優(yōu)子集作為摘要。現(xiàn)有實(shí)體摘要系統(tǒng)通常以較復(fù)雜的方式集成多種摘要技術(shù)特征。已開展的評(píng)測(cè)工作對(duì)現(xiàn)有系統(tǒng)進(jìn)行了總體效果的評(píng)測(cè)和對(duì)比，但未能解釋系統(tǒng)所用各摘要特征對(duì)最終效果的作用。為此，提出對(duì)實(shí)體摘要系統(tǒng)開展解釋性評(píng)測(cè)。提出兩種新指標(biāo)：特征效用率和特征顯著率，兩者分別度量各摘要特征在標(biāo)準(zhǔn)摘要和系統(tǒng)生成摘要中的顯示度，兩者對(duì)比分析的結(jié)果在一定程度上可為系統(tǒng)取得的最終效果提供解釋。基于3個(gè)評(píng)測(cè)集實(shí)現(xiàn)了這種評(píng)測(cè)新方法，運(yùn)用6種常見的摘要特征，對(duì)9個(gè)非監(jiān)督實(shí)體摘要系統(tǒng)和兩個(gè)有監(jiān)督實(shí)體摘要系統(tǒng)進(jìn)行了解釋性評(píng)測(cè)，相關(guān)代碼和數(shù)據(jù)已開源。

原文鏈接：http://www.infocomm-journal.com/bdr/article/2021/2096-0271/2096-0271-7-3-00015.shtml

時(shí)態(tài)知識(shí)圖譜補(bǔ)全的方法及其進(jìn)展

作者：申宇銘,?杜劍峰

摘要：時(shí)態(tài)知識(shí)圖譜是將時(shí)間信息添加到傳統(tǒng)的知識(shí)圖譜而得到的。近年來(lái)，時(shí)態(tài)知識(shí)圖譜補(bǔ)全受到了學(xué)術(shù)界的高度關(guān)注，并成為研究熱點(diǎn)之一。總結(jié)了目前時(shí)態(tài)知識(shí)圖譜補(bǔ)全的兩大類方法，即基于符號(hào)邏輯的方法和基于知識(shí)表示學(xué)習(xí)的方法，比較分析了兩類方法的優(yōu)缺點(diǎn)，展望了未來(lái)時(shí)態(tài)補(bǔ)全方法的發(fā)展方向，還總結(jié)了7個(gè)用于時(shí)態(tài)知識(shí)圖譜補(bǔ)全的基準(zhǔn)數(shù)據(jù)集和若干代表性模型在基準(zhǔn)數(shù)據(jù)集上的評(píng)測(cè)結(jié)果。

原文鏈接：http://www.infocomm-journal.com/bdr/article/2021/2096-0271/2096-0271-7-3-00030.shtml

知識(shí)圖譜推理：現(xiàn)代的方法與應(yīng)用

作者：王文廣

摘要：知識(shí)圖譜推理技術(shù)旨在根據(jù)已有的知識(shí)推導(dǎo)出新的知識(shí)，是使機(jī)器智能具有和人類一樣的推理和決策能力的關(guān)鍵技術(shù)之一。系統(tǒng)地研究了知識(shí)圖譜推理的現(xiàn)代方法，以統(tǒng)一的框架介紹了向量空間中進(jìn)行知識(shí)圖譜推理的模型，包括基于幾何運(yùn)算嵌入歐幾里得空間和雙曲空間的方法，基于卷積神經(jīng)網(wǎng)絡(luò)、膠囊網(wǎng)絡(luò)、圖神經(jīng)網(wǎng)絡(luò)等深度網(wǎng)絡(luò)模型的方法。同時(shí)，系統(tǒng)地梳理了知識(shí)推理技術(shù)在各技術(shù)領(lǐng)域和各行業(yè)的應(yīng)用情況，指出了當(dāng)前存在的挑戰(zhàn)以及其中蘊(yùn)含的機(jī)會(huì)。

原文鏈接：http://www.infocomm-journal.com/bdr/article/2021/2096-0271/2096-0271-7-3-00042.shtml

知識(shí)圖譜多跳問(wèn)答推理研究進(jìn)展、挑戰(zhàn)與展望

作者：杜會(huì)芳,?王昊奮,?史英慧,?王萌

摘要：近年來(lái)，知識(shí)圖譜問(wèn)答在醫(yī)療、金融、政務(wù)等領(lǐng)域被廣泛應(yīng)用。用戶不再滿足于關(guān)于實(shí)體屬性的單跳問(wèn)答，而是更多地傾向表達(dá)復(fù)雜的多跳問(wèn)答需求。為了應(yīng)對(duì)上述復(fù)雜多跳問(wèn)答，各種不同類型的推理方法被陸續(xù)提出。系統(tǒng)地介紹了基于嵌入、路徑、邏輯的多跳知識(shí)問(wèn)答推理的最新研究進(jìn)展以及相關(guān)數(shù)據(jù)集和評(píng)測(cè)指標(biāo)，并重點(diǎn)圍繞前沿問(wèn)題進(jìn)行了討論。最后總結(jié)了現(xiàn)有方法的不足，并展望了未來(lái)的研究方向。

原文鏈接：http://www.infocomm-journal.com/bdr/article/2021/2096-0271/2096-0271-7-3-00060.shtml

事件圖譜的構(gòu)建、推理與應(yīng)用

作者：胡志磊,?靳小龍,?陳劍赟,?黃冠利

摘要：近些年，知識(shí)圖譜的構(gòu)建技術(shù)得到了極大的發(fā)展，構(gòu)建好的知識(shí)圖譜已經(jīng)被應(yīng)用到眾多領(lǐng)域。在此基礎(chǔ)上，研究者將目光從知識(shí)圖譜轉(zhuǎn)向事件圖譜。事件圖譜以事件為核心，準(zhǔn)確地描述了事件信息以及事件之間的關(guān)聯(lián)關(guān)系。基于此，總結(jié)了事件圖譜在構(gòu)建、推理與應(yīng)用方面的關(guān)鍵技術(shù)，主要包括事件抽取、事件信息補(bǔ)全、事件關(guān)系推斷以及事件預(yù)測(cè)技術(shù)。給出了事件圖譜的具體應(yīng)用場(chǎng)景，并且針對(duì)事件圖譜研究中存在的挑戰(zhàn)，對(duì)未來(lái)的研究趨勢(shì)進(jìn)行了展望。

原文鏈接：http://www.infocomm-journal.com/bdr/article/2021/2096-0271/2096-0271-7-3-00080.shtml

大規(guī)模知識(shí)圖譜預(yù)訓(xùn)練模型及電商應(yīng)用

作者：陳華鈞,?張文,?黃志文,?葉橄強(qiáng),?文博,?張偉

摘要：近年來(lái)，知識(shí)圖譜因具有以統(tǒng)一的方式組織數(shù)據(jù)等優(yōu)勢(shì)，被廣泛應(yīng)用于許多需要知識(shí)的任務(wù)，并且在電子商務(wù)領(lǐng)域大放光彩。然而知識(shí)服務(wù)通常需要煩瑣的數(shù)據(jù)選擇和知識(shí)注入模型的設(shè)計(jì)，這會(huì)給業(yè)務(wù)帶來(lái)不良影響。為了更好地解決這一問(wèn)題，提出了“預(yù)訓(xùn)練+知識(shí)向量服務(wù)”的模式，并設(shè)計(jì)了知識(shí)圖譜預(yù)訓(xùn)練模型（PKGM），在不直接訪問(wèn)商品知識(shí)圖譜中三元組數(shù)據(jù)的情況下，以知識(shí)向量的方式為下游任務(wù)提供知識(shí)圖譜服務(wù)。在商品分類、同款商品識(shí)別和商品推薦等知識(shí)圖譜下游任務(wù)中進(jìn)行測(cè)試，實(shí)驗(yàn)結(jié)果表明，知識(shí)圖譜預(yù)訓(xùn)練模型能夠有效地提高每個(gè)任務(wù)的性能。

原文鏈接：http://www.infocomm-journal.com/bdr/article/2021/2096-0271/2096-0271-7-3-00097.shtml

基于金融知識(shí)圖譜的會(huì)計(jì)欺詐風(fēng)險(xiǎn)識(shí)別方法

作者：陳強(qiáng),?代仕婭

摘要：針對(duì)商業(yè)銀行會(huì)計(jì)案件日益復(fù)雜且頻發(fā)的問(wèn)題，將會(huì)計(jì)案防領(lǐng)域的行業(yè)知識(shí)與金融知識(shí)圖譜技術(shù)結(jié)合，以更精準(zhǔn)地識(shí)別與防范商業(yè)銀行會(huì)計(jì)風(fēng)險(xiǎn)。采用圖分析、圖挖掘等技術(shù)，提取深層關(guān)聯(lián)風(fēng)險(xiǎn)特征，并與行業(yè)經(jīng)驗(yàn)知識(shí)相結(jié)合，構(gòu)建了249條單點(diǎn)規(guī)則及425條組合規(guī)則，形成了豐富、可靈活配置的反欺詐策略體系。將該智能化反欺詐方法應(yīng)用于銀行活期賬戶的風(fēng)險(xiǎn)排查，與傳統(tǒng)規(guī)則策略相比，識(shí)別精準(zhǔn)度大幅提升，且對(duì)于篩選出的高度可疑賬戶，識(shí)別精準(zhǔn)度達(dá)到85%左右，極大提升了會(huì)計(jì)案件核查的效率。

原文鏈接：http://www.infocomm-journal.com/bdr/article/2021/2096-0271/2096-0271-7-3-00116.shtml

研究

聯(lián)邦學(xué)習(xí)隱私保護(hù)研究進(jìn)展

作者：王健宗,?孔令煒,?黃章成,?陳霖捷,?劉懿,?盧春曦,?肖京

摘要：針對(duì)隱私保護(hù)的法律法規(guī)相繼出臺(tái)，數(shù)據(jù)孤島現(xiàn)象已成為阻礙大數(shù)據(jù)和人工智能技術(shù)發(fā)展的主要瓶頸。聯(lián)邦學(xué)習(xí)作為隱私計(jì)算的重要技術(shù)被廣泛關(guān)注。從聯(lián)邦學(xué)習(xí)的歷史發(fā)展、概念、架構(gòu)分類角度，闡述了聯(lián)邦學(xué)習(xí)的技術(shù)優(yōu)勢(shì)，同時(shí)分析了聯(lián)邦學(xué)習(xí)系統(tǒng)的各種攻擊方式及其分類，討論了不同聯(lián)邦學(xué)習(xí)加密算法的差異。總結(jié)了聯(lián)邦學(xué)習(xí)隱私保護(hù)和安全機(jī)制領(lǐng)域的研究，并提出了挑戰(zhàn)和展望。

原文鏈接：http://www.infocomm-journal.com/bdr/article/2021/2096-0271/2096-0271-7-3-00130.shtml

動(dòng)態(tài)

MadFS：高性能超算緩存文件系統(tǒng)

作者：陳康,?武永衛(wèi),?鄭緯民

原文鏈接：http://www.infocomm-journal.com/bdr/article/2021/2096-0271/2096-0271-7-3-00150.shtml

AIPerf：大規(guī)模人工智能算力基準(zhǔn)測(cè)試程序

作者：翟季冬

原文鏈接：http://www.infocomm-journal.com/bdr/article/2021/2096-0271/2096-0271-7-3-00153.shtml

專欄：聚焦地方政府大數(shù)據(jù)

搶抓數(shù)字經(jīng)濟(jì)機(jī)遇加快云南省數(shù)字化發(fā)展——云南省數(shù)字經(jīng)濟(jì)發(fā)展實(shí)踐

作者：洪正華

原文鏈接：http://www.infocomm-journal.com/bdr/article/2021/2096-0271/2096-0271-7-3-00156.shtml

聯(lián)系我們:

Tel:010-81055448

? ? ? ?010-81055490

? ? ? ?010-81055534

E-mail:bdr@bjxintong.com.cn?

http://www.infocomm-journal.com/bdr

http://www.j-bigdataresearch.com.cn/

大數(shù)據(jù)期刊

《大數(shù)據(jù)（Big Data Research，BDR）》雙月刊是由中華人民共和國(guó)工業(yè)和信息化部主管，人民郵電出版社主辦，中國(guó)計(jì)算機(jī)學(xué)會(huì)大數(shù)據(jù)專家委員會(huì)學(xué)術(shù)指導(dǎo)，北京信通傳媒有限責(zé)任公司出版的期刊，已成功入選中文科技核心期刊、中國(guó)計(jì)算機(jī)學(xué)會(huì)會(huì)刊、中國(guó)計(jì)算機(jī)學(xué)會(huì)推薦中文科技期刊，并被評(píng)為2018年國(guó)家哲學(xué)社會(huì)科學(xué)文獻(xiàn)中心學(xué)術(shù)期刊數(shù)據(jù)庫(kù)“綜合性人文社會(huì)科學(xué)”學(xué)科最受歡迎期刊。

關(guān)注《大數(shù)據(jù)》期刊微信公眾號(hào)，獲取更多內(nèi)容

總結(jié)

以上是生活随笔為你收集整理的《大数据》2021年第3期目次摘要的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。