当期目录

2026年 第44卷 第1期    刊出日期：2026-01-30

上一期   

目录

中文目录

2026, 44(1):  0-0. 

摘要 ( 39 )   PDF (71KB) ( 13 )  

相关文章 | 多维度评价

英文目录

2026, 44(1):  0-0. 

摘要 ( 0 )   PDF (46KB) ( 2 )  

相关文章 | 多维度评价

计算机应用专辑

基于结构增强和深度聚类的网络群体识别

李永桢, 马涪元, 马世旋, 王钰涵, 王英

2026, 44(1):  1-20.  doi:10.3969/j.issn.0255-8297.2026.01.001

摘要 ( 56 )   PDF (3512KB) ( 27 )  

参考文献 | 相关文章 | 多维度评价

社交网络群体识别在信息传播、推荐与广告等领域具有重要的研究意义与应用价值。但现有方法在特征融合、稀疏图建模及多源信息利用上仍存在不足。为此，提出一种基于结构增强与深度聚类（structure-enhanced deep clustering,SDC）的网络群体识别模型，包含4个关键模块：首先，网络拓扑增强模块通过建模节点二阶相似性生成增强邻接矩阵，缓解稀疏社交网络的高阶关系缺失；其次，多视图特征融合模块在节点级动态融合节点属性特征与拓扑特征，在图级整合原始图与增强图的语义信息；再次，多源分布融合聚类模块在分布级利用可学习权重集成不同特征空间的聚类信息，平衡局部拓扑与全局语义；最后，双重自监督模块通过KL散度（Kullback-Leibler divergence）对齐、节点重构与相似性约束进行优化。实验表明，相较于主流基线方法，SDC网络群体识别模型在3个基准数据集上的ACC、NMI、ARI、F1指标平均提升了3.80%、9.09%、11.21%和7.43%。在Facebook动态交互数据上的仿真也验证了SDC网络群体识别模型捕捉社区结构演化的能力。

基于自适应池增强注意力机制的交通模式实时识别算法

李银香, 杜文元, 许哲, 彭晨, 颜建强

2026, 44(1):  21-33.  doi:10.3969/j.issn.0255-8297.2026.01.002

摘要 ( 52 )   PDF (1311KB) ( 23 )  

参考文献 | 相关文章 | 多维度评价

识别交通模式是出行即服务一体化出行中重要的任务，针对现有交通模式识别算法精度有待提高以及实时性应用需求方面的挑战，提出一种基于自适应池增强注意力机制的交通模式实时识别算法。该算法基于点云网络，通过引入因果卷积和因果池化高效学习当前及历史信息，从而实现交通模式实时识别。通过在模型框架中嵌入自适应池增强注意力模块，计算不同特征之间的权重图，进一步提升特征建模能力。同时，该算法还融合了运动特征与地理特征，有效提高了对公交车与小汽车交通模式的识别精度。实验结果表明，该算法在精度方面表现优异，相较其他一阶段方法，其识别精度提升约0.05；与最新的FPbiLSTM等两阶段模型相比，参数量仅为0.167，更加轻量化，更适合部署于移动端设备。

基于改进Transformer的复杂逻辑查询模型

陈昱胤, 李贯峰, 秦晶, 肖毓航

2026, 44(1):  34-49.  doi:10.3969/j.issn.0255-8297.2026.01.003

摘要 ( 43 )   PDF (819KB) ( 12 )  

参考文献 | 相关文章 | 多维度评价

随着知识图谱在智能问答和推荐系统等场景中的广泛应用，回答不完整知识图谱上的复杂逻辑查询成为当前研究的重点与难点。针对基于普通嵌入的方法需要在复杂逻辑查询上进行训练，无法很好地泛化到分布外的查询结构的问题，提出了一种融合动态可组合的多头注意力（dynamically composable multi-head attention,DCMHA）机制与混合专家（mixture-of-experts,MoE）网络的Transformer改进模型DCMHA-MoE。该模型利用三元组变换与双向路径编码技术，将复杂查询图表示为序列输入，并动态建模其中的结构依赖与语义交互，从而实现复杂逻辑查询。DCMHA实现注意力头的自适应组合，增强语义表达能力；MoE网络引入稀疏激活机制，提高对不同查询结构的适应性并降低计算成本。在FB15K-237与NELL-995数据集上的实验结果表明，与基线模型DiffCLR相比，DCMHA-MoE模型在存在正一阶逻辑（existential positive first-order logic,EPFO）查询($\wedge$,$\vee$)中的平均倒数排名（mean reciprocal rank,MRR）平均指标分别提升了10.4%和7.2%，验证了其在复杂逻辑推理任务中的有效性和优越性。

基于高斯度量学习的不确定性知识图谱推理模型

张钰婷, 滕飞, 叶晓庆

2026, 44(1):  50-66.  doi:10.3969/j.issn.0255-8297.2026.01.004

摘要 ( 42 )   PDF (977KB) ( 14 )  

参考文献 | 相关文章 | 多维度评价

现实知识图谱中普遍存在一些仅包含少量事实的长尾关系，少样本知识图谱补全旨在解决这一数据稀疏问题。然而，现有方法往往忽视了实体与三元组的内在不确定性，限制了模型在噪声干扰或样本匮乏场景下的推理性能。为此，本文提出了一种面向不确定性补全的协方差优化高斯度量学习模型（covariance-optimizedGaussian metric learning for uncertain completion,CoGMUC），用于解决少样本知识图谱的不确定性推理问题。该模型将知识图谱中的实体和关系建模为高斯分布，利用协方差矩阵有效捕捉其内在不确定性，并通过设计协方差感知的多重匹配网络计算语义相似度，实现对缺失事实的补全及置信度预测。此外，引入了困难负样本挖掘策略，进一步增强模型的辨别能力与泛化性能。在公开数据集NL27K和CN15K上的实验结果表明，相较于现有基于高斯度量学习的少样本不确定性知识图谱补全模型，CoGMUC模型在链接预测任务中，平均倒数排名分别提升了21.8%和2.3%，Hits@10分别提升了9.6%和21.5%，在置信度预测任务中均方误差分别降低了14.3%和7.7%。研究结果表明，CoGMUC模型能有效建模并利用不确定性信息，显著提升了少样本知识图谱补全的性能。

面向威胁情报分析的恶意软件知识图谱构建

向尕, 胡演, 张仰森, 孙露, 齐睿, 谭自程

2026, 44(1):  67-82.  doi:10.3969/j.issn.0255-8297.2026.01.005

摘要 ( 40 )   PDF (852KB) ( 5 )  

参考文献 | 相关文章 | 多维度评价

威胁情报分析是提高主动防御能力的重要手段，研究恶意软件知识图谱构建对提高恶意软件的检测能力具有重要意义。在恶意软件知识图谱构建中，实体和关系抽取的准确性和完整性有待进一步提高。本文提出一种基于联合抽取模型的恶意软件知识图谱构建方法。首先，提出了一种面向威胁情报分析的恶意软件本体模型，并定义了12种关系类型，以规范表达恶意软件关键知识。然后，提出了一种基于RoBERTa-Wwm和指针标注的联合抽取模型，以抽取恶意软件实体和关系，从而实现图谱的构建。实验表明，该联合抽取模型的F1值最高可达0.841。本文研究对恶意软件威胁情报的自动分析具有重要意义，也为提高主动防御能力奠定了基础。

融合图神经网络和深度图聚类的联邦推荐算法

伊华伟, 宋仕玺, 王艳飞, 白思怡

2026, 44(1):  83-96.  doi:10.3969/j.issn.0255-8297.2026.01.006

摘要 ( 43 )   PDF (1065KB) ( 10 )  

参考文献 | 相关文章 | 多维度评价

联邦学习作为解决推荐系统隐私安全问题的主流框架，在实际应用中却面临推荐精度欠佳、隐私保护力度不足及通信开销过大的问题。针对这些问题，本文提出一种融合图神经网络与深度图聚类的联邦推荐算法。首先，利用图神经网络对复杂的用户-项目的高阶交互关系进行捕捉，以提升推荐系统的推荐精度；其次，在联邦学习客户端与服务器端的通信环节注入差分隐私噪声以模糊真实梯度，进而增强推荐系统的隐私保护能力；最后，通过引入深度图聚类对客户端实施聚类，选取各簇的客户端代表参与训练，并将所得参数在簇内共享，以加快模型收敛速度，降低联邦学习框架下的通信开销。基于真实数据集的实验结果表明，所提算法在提高推荐精度的同时，能够增强系统的隐私保护力度并减少通信开销。

基于特征融合注意力和对比学习的森林图像去雾

吴文强, 陈爱斌, 李潇瑶

2026, 44(1):  97-109.  doi:10.3969/j.issn.0255-8297.2026.01.007

摘要 ( 40 )   PDF (8033KB) ( 14 )  

参考文献 | 相关文章 | 多维度评价

针对现有算法处理森林雾天图像时普遍存在的去雾不彻底、暗区细节丢失及色彩失真等问题，提出一种基于特征融合注意力与对比学习的自适应森林图像去雾算法。具体而言，首先设计了一种多尺度特征融合注意力机制，通过联合通道与空间注意力动态调节特征响应，增强重要特征的表达能力；其次构建了局部对比正则模块，提升模型对暗区与远景区域雾浓度变化的判别能力；此外，引入自适应色彩校正模块，有效缓解色彩失真问题。在合成森林雾图与真实森林雾图数据集上的实验结果表明，所提算法在多项评价指标上均优于现有方法，峰值信噪比与结构相似度显著提升，自然图像质量评估值降低，展现出良好的鲁棒性和泛化能力。

基于动态注意力强化学习的可解释学习路径推荐

张晓明, 冯泽嘉, 王会勇, 张晓静

2026, 44(1):  110-133.  doi:10.3969/j.issn.0255-8297.2026.01.008

摘要 ( 48 )   PDF (1455KB) ( 13 )  

参考文献 | 相关文章 | 多维度评价

大规模在线教育的普及使得学习者面临课程选择困难，个性化学习路径推荐面临依赖单一模态数据导致语义表征局限，以及静态知识图谱难以生成动态可解释推荐逻辑的挑战。为解决上述问题，提出一种基于动态注意力强化学习的可解释学习路径推荐（explainable learning path recommendation based on dynamic attention reinforcement learning,ELPR-DARL）框架。首先，构建了异构协同知识图谱，集成课程文本、视觉内容及知识依赖关系，增强跨模态语义对齐能力；其次，设计了邻接节点动态注意力聚合机制，通过偏置修正策略调整实体关系权重，并利用双向交互聚合器融合多阶邻域特征，提升知识推理的细粒度表达能力；最后，提出知识图谱感知的强化学习策略，基于路径连通性奖励函数显式建模用户行为与知识拓扑的关联，生成包含全局奖励与局部注意力权重的可解释路径。基于MOOC数据集上的实验表明，本方法在NDCG、Recall、HR和Precision指标上分别达到22.85%、33.81%、52.01%和6.34%，较次优模型提升2.88%、3.55%、2.42%和3.26%。用户调研显示，80.36%的学习者认为路径解释显著提升了推荐透明度。本研究验证了动态注意力机制与强化学习的协同优化能有效平衡推荐精度与可解释性。

融合空间纹理特征的三维模糊聚类算法

金正洋, 阎少宏, 张艳博, 姚旭龙, 陶志刚, 陈志远

2026, 44(1):  134-148.  doi:10.3969/j.issn.0255-8297.2026.01.009

摘要 ( 39 )   PDF (7112KB) ( 9 )  

参考文献 | 相关文章 | 多维度评价

传统的模糊C均值（fuzzy C-means,FCM）聚类算法受初始聚类中心和噪声点的影响较大，且这些影响在复杂环境或是高维度空间中会被进一步放大。针对这一问题提出了一种融合空间纹理特征的三维FCM算法，旨在提取研究对象内部因组成成分分布不均匀而形成的密度差异显著区域。首先，参考二维空间灰度共生矩阵及平面纹理特征理论，将其延拓到三维空间，用以刻画空间纹理特征；其次，利用对比度纹理特征来优选出初始聚类中心；最后，将相异性纹理特征与传统FCM算法目标函数相融合，以提高算法的抗噪能力。在裂隙提取仿真模拟实验中，本文算法的目标提取准确率达到99.39 %，较传统FCM算法（准确率为65.31 %）提高了34 %，验证了新型算法提取研究对象内部密度差异显著区域的可行性。在实际应用中，新型算法对于人体胸部骨骼的识别与提取也表现出优越的适用性。

融合BERT编码层的多粒度语义方面级情感分析模型

徐凯, 池明得, 王崎, 李建州, 张辉

2026, 44(1):  149-165.  doi:10.3969/j.issn.0255-8297.2026.01.010

摘要 ( 47 )   PDF (1725KB) ( 18 )  

参考文献 | 相关文章 | 多维度评价

方面级情感分析旨在识别文本中针对特定方面的情感倾向，然而现有研究仍面临多重挑战：基于BERT的方面级情感分析研究存在语义过拟合、低层级语义利用不足的问题；自注意力机制存在局部信息丢失的问题；多编码层和多粒度语义的结构存在信息冗余问题。为此，提出一种融合BERT编码层的多粒度语义方面级情感分析模型（multi-granular semantic aspect-based sentiment analysis model with fusion of BERT encoding layers,MSBEL）。具体地，引入金字塔注意力机制，利用各个编码层的语义特征，并结合低层编码器以降低过拟合；通过多尺度门控卷积增强模型处理局部信息丢失的能力；使用余弦注意力突出与方面词相关的情感特征，从而减少信息冗余。t-SNE的可视化分析表明，MSBEL的情感表示聚类效果优于BERT。此外，在多个基准数据集上将本文模型与主流模型的性能进行了对比，结果显示：与LCF-BERT相比，本文模型在5个数据集上的F1分别提升了1.53%、3.94%、1.39%、6.68%、5.97%；与SenticGCN相比，本文模型的F1平均提升0.94%，最大提升2.12%；与ABSA-DeBERTa相比，本文模型的F1平均提升1.16%，最大提升4.20%，验证了本文模型在方面级情感分析任务上的有效性和优越性。

基于对称性先验的船舶点云补全方法

曾银川, 郑博, 王宪保, 项圣

2026, 44(1):  166-180.  doi:10.3969/j.issn.0255-8297.2026.01.011

摘要 ( 50 )   PDF (2289KB) ( 11 )  

参考文献 | 相关文章 | 多维度评价

受制于单视角扫描的固有局限性和船体复杂结构的空间遮挡效应，现有采集系统普遍面临背侧点云大范围缺损的技术瓶颈。针对这一挑战，本文提出了一种基于对称性先验的船舶点云补全方法。该方法无需标注数据，利用船舶对称结构特性作为先验驱动，实现船舶背侧点云的有效补全。首先，基于船舶几何拓扑分析建立多类型船舶的船体纵剖面特征提取模型；其次，提出对称变换场生成算法，将缺损点云沿船体纵剖面进行镜像补全，构建候选补全点云集合；再次，设计候选点云与原始点云间的平均最近邻质量评估函数，实现最优补全结果的鲁棒性筛选。实验结果表明，该方法在无任何训练样本条件下，能够对尖头船、平头船等典型船型的背侧点云进行有效补全，且满足实时采集场景的需求。