检索结果-内蒙古大学图书馆

计算机工程与科学 2022年第9期44卷 1542-1549页

作者：孙浩男王飞魏迪尹万旺史俊达国家并行计算机工程技术研究中心北京100080 清华大学计算机科学与技术系北京100084

MPI不规则集合通信Gatherv为描述并行通信行为提供了极大的灵活性,但其不规则特性带来了较高的实现难度。现有方法存在通信热点突出、内存开销大和访存效率低等问题,难以满足当今大规模并行应用的性能需求。提出一种面向大规模并发的Gat... 详细信息

MPI不规则集合通信Gatherv为描述并行通信行为提供了极大的灵活性,但其不规则特性带来了较高的实现难度。现有方法存在通信热点突出、内存开销大和访存效率低等问题,难以满足当今大规模并行应用的性能需求。提出一种面向大规模并发的Gatherv优化方法,从优化等级、缓冲区管理等多个关键问题入手,将规则集合通信实现中常用的Binomial-Tree结构用于实现Gatherv,并提出消息链调度机制,进一步降低开销,提升优化效果。测试结果表明,该方法可以有效解决现有方法存在的性能问题,实现Gatherv集合通信性能在大规模并发条件下的高效可扩展。

关键词： MPI 不规则集合通信 Gatherv Binomial-Tree 消息链调度

来源：评论

学校读者我要写书评

暂无评论

数据中心网络的流量控制:研究现状与趋势

引用

计算机学报 2021年第7期44卷 1287-1309页

作者：杜鑫乐徐恪李彤郑凯付松涛沈蒙清华大学计算机科学与技术系北京100084 北京信息科学与技术国家研究中心北京100084 鹏城实验室广东深圳518000 华为技术有限公司2012实验室北京100085 北京理工大学计算机学院北京100081

作为海量数据快速存储和高效处理强有力的后盾,数据中心成为近年来学术界和工业界关注的热点.传统TCP难以在高吞吐、低时延、无损等方面同时满足当前数据中心传输需求,新的传输技术研究迫在眉睫.本文在对比传统TCP设计目标和数据中心网... 详细信息

作为海量数据快速存储和高效处理强有力的后盾,数据中心成为近年来学术界和工业界关注的热点.传统TCP难以在高吞吐、低时延、无损等方面同时满足当前数据中心传输需求,新的传输技术研究迫在眉睫.本文在对比传统TCP设计目标和数据中心网络中传输目标的基础上,对数据中心流量控制的研究现状展开综述.流量控制是指控制流量的发送速度以及发送规则,本文从基于端到端设计的拥塞控制和基于全局优化的流量工程两个方面对流量控制技术进行介绍,并从控制机制、扩展性、技术可行性等方面对上述技术进行了对比分析.最后本文对数据中心流量控制技术的未来研究趋势进行了总结和展望.

关键词：数据中心流量控制拥塞控制流量工程流量调度负载均衡

来源：评论

学校读者我要写书评

暂无评论

ARM处理器分支预测漏洞分析测评及新漏洞发现

引用

西安交通大学学报 2021年第7期55卷 71-78页

作者：王春露田瑞冬赵旭吕勇强汪东升北京邮电大学可信分布式计算与服务教育部重点实验室北京100876 北京信息科技大学计算机学院北京100192 清华大学北京信息科学与技术国家研究中心北京100084 清华大学计算机科学与技术系北京100084

针对ARM处理器上的分支预测漏洞研究不全面、不深入等问题,提出了一种分支预测漏洞测评方法。通过对分支预测漏洞的攻击过程进行研究,提炼了分支预测漏洞的6步骤攻击模型。根据分支预测漏洞攻击利用的微体系结构和针对的地址空间,将现... 详细信息

针对ARM处理器上的分支预测漏洞研究不全面、不深入等问题,提出了一种分支预测漏洞测评方法。通过对分支预测漏洞的攻击过程进行研究,提炼了分支预测漏洞的6步骤攻击模型。根据分支预测漏洞攻击利用的微体系结构和针对的地址空间,将现有的分支预测漏洞分成9种类型。基于攻击模型和分类方法构建了ARM处理器上的分支预测漏洞测评方法。在主流的3种ARMv8架构处理器上对9种分支预测漏洞进行了测评,测评内容包括是否受漏洞影响、防御方法是否有效和新漏洞的发掘。实验结果表明,部分ARM处理器完全不受分支预测漏洞攻击影响,部分处理器只受5到6种分支预测漏洞影响。在防御方法方面,尚未存在一种防御方法能防御所有的分支预测漏洞,但可以通过不同防御方法的组合来构建完善的防御体系。在测评过程中,发现了一种ARM架构独有的预测执行漏洞——顺序预测漏洞,此漏洞能够泄露同一进程空间的任意数据。

关键词： ARM处理器分支预测漏洞分类漏洞测评顺序预测漏洞

来源：评论

学校读者我要写书评

暂无评论

一种混合局部恢复码及Hitchhiker码的存储策略

引用

计算机学报 2020年第4期43卷 618-630页

作者：王梓仲王海霞邵艾然汪东升清华大学计算机科学与技术系北京100084 清华大学北京信息科学与技术国家研究中心北京100084

我们正处于一个大数据的时代.如今一个分布式存储系统需要存放PB数量级数据的情况越来越常见.这些系统一般由普通商用组件构成,其出错率相对较高.由此,分布式存储系统需要保证数据的可靠性和可用性.多副本和纠删码是现在最为常用的技术... 详细信息

我们正处于一个大数据的时代.如今一个分布式存储系统需要存放PB数量级数据的情况越来越常见.这些系统一般由普通商用组件构成,其出错率相对较高.由此,分布式存储系统需要保证数据的可靠性和可用性.多副本和纠删码是现在最为常用的技术.相比多副本技术,采用纠删码能在同等容错能力下大幅降低存储开销.然而,在进行数据恢复时,使用传统的纠删码(如Reed-Solomon码)会导致系统中产生大量的网络带宽消耗及磁盘读写操作,进而导致退化读延迟过高.注意到在系统中数据的访问频率呈Zipf分布,大多数数据访问只涉及到少量数据,而绝大多数数据的被访频率很低.根据这种数据访问的偏斜性,本文提出如下存储策略以解决采用纠删码的系统退化读延迟过高的问题:对被访频率高的热数据采用低恢复延迟的纠删码(如局部恢复码Local Reconstruction Code,LRC)进行编码,而对被访频率低的冷数据采用保证最小存储开销的纠删码(如Hitchhiker码)进行编码.由于热数据占据了绝大多数的数据访问,因此绝大多数的退化读也将应用在这些热数据上,这样这一策略就能在整个系统的角度获取低恢复开销的优势.同时,冷数据占据了系统绝大多数的数据量,且冷数据由保证最小存储开销的编码进行存储,因此这一策略的存储开销会很低.然而,对于混合存储策略而言,热数据可能会变冷,而冷数据也可能会变热,因此它需要配置一种编码切换过程.一个不恰当的编码切换过程会引起巨大的数据传输量,这是难以让人接受的.为了避免这一缺陷,本文提出了一种LRC和Hitchhiker码之间的高效切换算法.这一算法可以避免上述策略在部署时因冷热数据的转换出现系统瓶颈.在精心选取了两种编码并提出它们之间的高效切换算法后,本文提出的混合存储策略避免了现阶段其余混合存储策略的主要缺点.通过实验验证,此存储策略相较传统的Reed-Solomon码在退化读延迟方面降低了55.8%.在编码切换方面,切换延迟能分别降低为重新编码算法用时的13.4%及33.1%,且当数据从LRC切换为Hitchhiker码时(更为频繁出现的情况)的数据传输量能降至10%.

关键词：纠删码退化读编码切换容错存储

来源：评论

学校读者我要写书评

暂无评论

融合商品潜在互补性发现的个性化推荐方法

引用

软件学报 2020年第4期31卷 1090-1100页

作者：邵英玮张敏马为之王晨阳刘奕群马少平清华大学计算机科学与技术系北京100084 清华大学北京信息科学与技术国家研究中心北京100084

结合领域内知识的个性化推荐算法在近年来受到了广泛关注,许多研究工作尝试将商品之间的关系(如互补关系等)融入到推荐算法中.对于商家而言,了解商品互补的关系能够帮助他们更好地制定定价策略;对于推荐算法而言,结合商品关系的推荐也... 详细信息

结合领域内知识的个性化推荐算法在近年来受到了广泛关注,许多研究工作尝试将商品之间的关系(如互补关系等)融入到推荐算法中.对于商家而言,了解商品互补的关系能够帮助他们更好地制定定价策略;对于推荐算法而言,结合商品关系的推荐也更有可能生成令人满意的结果,因此,如何挖掘商品间的互补关系是一个很有意义的研究问题.现有方法大多从用户历史中的“共同购买”发掘商品的互补关系,但是由于真实的购买场景非常复杂,得到的很可能仅仅是共现关系而不是互补关系.借鉴经济学的相关研究,提出了商品潜在互补性发现推荐模型(latent complementarity discovery model,简称LCDM),试图从另一角度更准确地刻画商品间关系.首先,基于经济学理论中的需求交叉弹性(cross-price elasticity of demand),提出互补性发现模型(complementarity discovery model,简称CDM)联合商品价格与购买历史来挖掘商品间的互补关系.在用户标注任务中,所提算法较已有方法在用户标注的一致性上提升了10.6%.随后,基于此提出了融合商品互补关系的双重注意力机制推荐模型LCDM.最后,在真实数据集上的对比实验结果表明,提出的LCDM推荐模型能够显著改善推荐的效果,在Recall@5和NDCG@5上分别有54.5%和125.8%的提升,验证了所提方法的有效性.

关键词：推荐系统表示学习商品关系计算经济学

来源：评论

学校读者我要写书评

暂无评论

细节决定成败:推荐系统实验反思与讨论

引用

信息安全学报 2021年第5期6卷 52-67页

作者：施韶韵王晨阳马为之张敏刘奕群马少平清华大学计算机系北京信息科学与技术国家研究中心北京100084

近些年来,随着互联网的迅速发展,用户在各种在线平台上接收到海量的信息,信息爆炸成为一个关键性问题。在此背景下,推荐系统逐步渗透到人们工作生活的各个场景,已成为不可或缺的一环。它不仅可以帮助用户快速获得想要的信息和服务,还可... 详细信息

近些年来,随着互联网的迅速发展,用户在各种在线平台上接收到海量的信息,信息爆炸成为一个关键性问题。在此背景下,推荐系统逐步渗透到人们工作生活的各个场景,已成为不可或缺的一环。它不仅可以帮助用户快速获得想要的信息和服务,还可以提高资源利用效率,从而给企业带来更多效益。因此,个性化推荐算法不仅获得了工业界广泛的关注,也是科研领域的研究热点之一。在个性化推荐的研究中,受限于平台与效率等因素,研究者大多无法将算法部署到在线系统上进行评价,因此离线评价成为推荐领域研究的主要方式。然而个性化推荐涉及到的场景复杂,可获得的数据信息多种多样,用户行为多为隐式反馈且存在许多噪声,这使得推荐系统离线评价的实验设定复杂多变,存在大量易被忽视却十分重要的细节。比如在训练采样负例时,既可以仅从用户没有交互过的商品中采样,也可以将验证测试集的商品视作未知交互加入采样池。同样,从训练到测试在很多其他环节也涉及这样的实现细节(如数据集处理、已知负样本的使用、Top-N排序候选集范围等)。这些实验细节通常不会在学术论文中被显式提及,却潜在影响了模型效果的对比,还决定着实验的科学性,甚至会导致相反或错误的分析结论。本文从数据集处理、模型训练、验证与测试、效果评价等多个角度,系统地讨论与反思了推荐系统实验中的细节设定。对于每个环节,我们枚举了若干常见设定,并在真实数据集上验证了其中某些设定的实际影响。实验结果表明一些细节确实会导致关于模型优劣的不同结论。最终我们形成了关于推荐系统实验细节的指导性总结,包括可选、建议、必须的三类设定,希望帮助推荐算法研究者规避实现细节上的陷阱,更科学合理地设计实验。

关键词：推荐系统实验设计算法评价反思与讨论

来源：评论

学校读者我要写书评

暂无评论

子图增强的实时同名消歧

引用

中文信息学报 2024年第1期38卷 45-56页

作者：韩天翼程欣宇张帆进陈波贵州大学公共大数据国家重点实验室贵州贵阳550025 贵州大学文本计算与认知智能教育部工程研究中心贵州贵阳550025 清华大学计算机科学与技术系北京100084

实时同名消歧旨在实时、准确地将具有歧义的作者姓名的新增论文关联到同名候选作者中的正确作者。当前同名消歧算法主要解决冷启动同名消歧问题,较少探索如何高效并有效地解决实时同名消歧问题。该文提出了子图增强的实时同名消歧模型RN... 详细信息

实时同名消歧旨在实时、准确地将具有歧义的作者姓名的新增论文关联到同名候选作者中的正确作者。当前同名消歧算法主要解决冷启动同名消歧问题,较少探索如何高效并有效地解决实时同名消歧问题。该文提出了子图增强的实时同名消歧模型RND-all,该模型通过高效地融合待消歧论文与候选作者之间的结构特征来提升模型的准确率。模型根据待消歧论文的属性与同名候选作者的档案分别构建子图,使用子图结构特征提取框架来计算图相关性特征,最后,通过特征工程以及文本嵌入方法计算语义匹配特征,并利用集成学习实现语义信息与结构信息的融合。实验结果表明,融入结构信息能够有效提升实时同名消歧任务的准确性,RND-all在百万级同名消歧基准WhoIsWho测试集上效果排名第一。

关键词：实时同名消歧图神经网络结构信息集成学习

来源：评论

学校读者我要写书评

暂无评论

结合用户长短期兴趣的深度强化学习推荐方法

引用

中文信息学报 2021年第8期35卷 107-116页

作者：阎世宏马为之张敏刘奕群马少平清华大学计算机系北京信息科学与技术国家研究中心北京100084

结合强化学习(特别是深度强化学习)的推荐算法,在近年来相比已有方法取得了较大的提升。然而,现有绝大多数基于深度强化学习的推荐方法仅使用循环神经网络(RNN)等方法学习用户的短期兴趣,忽略了用户的长期兴趣,导致对用户的兴趣建模存... 详细信息

结合强化学习(特别是深度强化学习)的推荐算法,在近年来相比已有方法取得了较大的提升。然而,现有绝大多数基于深度强化学习的推荐方法仅使用循环神经网络(RNN)等方法学习用户的短期兴趣,忽略了用户的长期兴趣,导致对用户的兴趣建模存在不足。因此,该文提出一种结合用户长期兴趣与短期兴趣的深度强化学习推荐方法(LSRL)。首先,LSRL方法使用协同过滤方法来学习用户的长期兴趣;其次,LSRL方法利用门控循环单元(GRU)对用户最近的正反馈与负反馈交互记录进行建模学习,得到用户的短期兴趣表示;最后,LSRL方法重新设计了深度强化学习的Q-网络框架,结合两方面的用户兴趣表示并将其应用于深度Q-网络(Deep Q-Network)中,预测用户对物品的反馈。在MovieLens数据集上的实验结果表明,该文提出的推荐方法比其他基线方法在归一化折损累计增益(NDCG)与命中率(Hit Ratio)上有显著提升。

关键词：推荐系统深度强化学习长期与短期兴趣协同过滤门控循环单元

来源：评论

学校读者我要写书评

暂无评论

基于生活日志的情绪识别

引用

中文信息学报 2021年第1期35卷 96-103,112页

作者：王鹏宇张敏马为之刘奕群马少平清华大学计算机科学与技术系北京100084 清华大学人工智能研究院北京100084 清华大学北京信息科学与技术国家研究中心北京100084

抑郁症日益成为影响现代人生活幸福程度的重要因素。实时有效地识别用户情绪的方法对于抑郁症潜在患者的发现和治疗十分有意义。用户情绪的状态及变化会体现在其生活日志数据上。该文从使用可穿戴设备收集的用户生活日志数据出发,对数... 详细信息

抑郁症日益成为影响现代人生活幸福程度的重要因素。实时有效地识别用户情绪的方法对于抑郁症潜在患者的发现和治疗十分有意义。用户情绪的状态及变化会体现在其生活日志数据上。该文从使用可穿戴设备收集的用户生活日志数据出发,对数据进行了特征方面的分析;进一步地,使用以回归树为弱学习器的集成学习模型,设计了使用全部数据、仅用户自身数据以及仅他人数据进行训练的三组实验构成的对比实验框架,以比较使用不同用户数据对识别结果的影响。实验结果表明,基于生活日志数据的集成学习模型可以有效地识别用户的情绪状态。同时,基于实验结果提出了用户认知不一致的猜想,对于心理学上的抑郁分析也有一定的启发作用。该工作是目前所知第一个利用用户生活日志信息进行情绪识别以及抑郁症患者分析的工作,为后续进一步扩大实验规模和改良实验设计提供了思路。

关键词：生活日志数据情绪识别集成学习

来源：评论

学校读者我要写书评

暂无评论

概率式关联可信中文知识图谱——“文脉”

引用

中文信息学报 2022年第12期36卷 67-73页

作者：李文浩刘文长孙茂松矣晓沅清华大学计算机科学与技术系北京100084 清华大学人工智能研究院北京100084 北京信息科学与技术国家研究中心北京100084 加州大学戴维斯分校计算机科学系加利福尼亚州95616 江苏高校语言能力协同创新中心江苏徐州221009 微软亚洲研究院北京100080

国内现有的中文知识图谱往往以维基百科、百度百科等群体智能贡献的知识库作为资源抽取得到,但这些知识图谱利用的主要是百科的实体名片信息和分类体系信息。然而,这些百科中也有大量的内部链接信息,其中蕴含了大量知识。故而该文中利... 详细信息

国内现有的中文知识图谱往往以维基百科、百度百科等群体智能贡献的知识库作为资源抽取得到,但这些知识图谱利用的主要是百科的实体名片信息和分类体系信息。然而,这些百科中也有大量的内部链接信息,其中蕴含了大量知识。故而该文中利用维基百科的内部链接构造边,并统计目标实体在源实体定义文本中出现的频度,利用其对应的TF-IDF值作为边权,构造了一个概率式中文知识图谱。该文还提出了一种可信链接筛选算法,对偶发链接进行了去除,使知识图谱更加可信。基于上述方法,该文挖掘出了一个概率式关联可信中文知识图谱,命名为“文脉”,将其在GitHub上进行了开源,以期能对知识指导的自然语言处理以及其他下游任务有所襄助。

关键词：维基百科知识图谱构建可信链接筛选

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：