计算机科学与探索杂志

计算机科学与探索杂志2023年第6期

• 音乐自动标注分类方法研究综述

  张如琳, 王海龙, 柳林, 裴冬梅

  音乐是目前最受欢迎的艺术和娱乐形式之一，是表达或寄托人们感情的艺术语言，然而随着数字音乐急剧增加，通过浅层的信息管理与筛选音乐十分困难。音乐自动标注作为一种组织海量音乐与丰富音乐信息的有效手段，可克服音乐信息检索语义鸿沟，健全音乐信息，使音乐具有更直观的表达，并推动音乐分类、音乐推荐、乐器识别等音乐信息检索任务的深入研究。当前音乐自动标注主要聚焦于解决特征提取、模型选择两类问题，结合目前研究重点，阐述了音乐自动标注的相关知识；系统地梳理了音乐自动标注领域的各类音频特征表示及特征提取方法，并对每类提取方法进行了定量分析与定性分析；归纳了该领域相关研究成果，从机器学习与深度学习两个角度着重分析了不同模型方法的差异性；介绍了常用数据集与性能评价指标，总结了不同数据集特点，并对评价指标进行了归类分析；最后指出了音乐自动标注领域研究面临的难点与挑战，并对未来研究方向进行了展望。

• 提取驾驶员面部特征的疲劳驾驶检测研究综述

  杨艳艳, 李雷孝, 林浩

  疲劳驾驶是威胁驾驶员人身安全以及道路交通安全的主要因素之一。高效精准的疲劳驾驶检测方法可以有效地保障驾驶员及其周围交通安全，维护交通秩序，减少财产损失和人员伤亡。由于基于驾驶员生理特征和基于车辆行驶信息的疲劳驾驶检测方法具有对驾驶员不友好、影响因素较多等局限性，使得基于驾驶员面部特征的疲劳驾驶检测方法成为研究热点。首先简述了疲劳驾驶面部特征表现，总结了疲劳驾驶领域常用公开数据集的优缺点和应用场景；其次使用公开数据集，通过对比实验，分析研究了疲劳驾驶检测领域常用人脸检测算法的优势和不足；随后给出了基于驾驶员面部特征的疲劳驾驶检测方法流程，总结分析了流程中关键步骤所使用的方法和技术；另外归纳整理了疲劳驾驶领域常用的疲劳判别参数和疲劳驾驶结果预测方法；最后对全文进行总结，给出了基于驾驶员面部特征的疲劳驾驶检测方法目前所面临的挑战，并对未来研究进行了展望。

• 少样本知识图谱补全技术研究

  彭晏飞, 张睿思, 王瑞华, 郭家隆

  少样本知识图谱补全（FKGC）是目前知识图谱补全任务的一个研究热点，旨在拥有少量样本数据的情况下，完成知识图谱补全任务。该任务在实际应用和知识图谱领域都有着重要的研究意义,为了进一步促进FKGC领域的发展，对目前各类方法进行了全面总结和分析。首先，描述了FKGC的概念和相关内容；其次，以技术方法作为分类依据，归纳总结出三类FKGC方法，包括基于度量学习的方法、基于元学习的方法以及基于其他模型的方法，并从模型核心、模型思路、优缺点等角度对每种方法进行分析和总结；然后，汇总了FKGC方法的数据集和评价指标，并从模型特点和实验结果两方面对FKGC方法进行分析与归纳；最后，从实际问题出发，总结了目前FKGC任务的难点问题，分析了问题背后的困难，给出了相应的解决方法，同时展望了该领域未来值得关注的几个发展方向。

• 深度学习应用于时序预测研究综述

  梁宏涛, 刘硕, 杜军威, 胡强, 于旭

  时间序列一般是指对某种事物发展变化过程进行观测并按照一定频率采集得出的一组随机变量。时间序列预测的任务就是从众多数据中挖掘出其蕴含的核心规律并且依据已知的因素对未来的数据做出准确的估计。由于大量物联网数据采集设备的接入、多维数据的爆炸增长和对预测精度的要求愈发苛刻，经典的参数模型以及传统机器学习算法难以满足预测任务的高效率和高精度需求。近年来，以卷积神经网络、循环神经网络和Transformer模型为代表的深度学习算法在时间序列预测任务中取得了丰硕的成果。为进一步促进时间序列预测技术的发展，综述了时间序列数据的常见特性、数据集和模型的评价指标，并以时间和算法架构为研究主线，实验对比分析了各预测算法的特点、优势和局限；着重介绍对比了多个基于Transformer模型的时间序列预测方法；最后结合深度学习应用于时间序列预测任务存在的问题与挑战，对未来该方向的研究趋势进行了展望。

• 自适应约束评估的代理模型辅助演化算法

  魏凤凤, 陈伟能

  很多现实优化问题不仅有昂贵目标也有昂贵约束，而现有求解昂贵优化问题的代理模型辅助演化算法（SAEAs）通常对候选解的所有约束进行评估，在评估次数有限的情况下，频繁评估可行域较大的约束不利于种群演化。针对这一问题，研究了求解昂贵约束优化问题的代理模型辅助算法，提出了一种自适应约束评估策略，根据种群演化情况评估可行域信息较少的约束，以节省在可行域较大的约束上的评估次数，在少量昂贵评估次数下自适应进行约束的选择及评估，更好地演化种群；为验证该策略的有效性和通用性，从两个思路设计了两种自适应约束评估的高斯过程回归模型辅助差分进化算法。这两种方法在15个约束优化测试函数中的11个取得显著优异效果；在利用时间延迟模拟昂贵评估次数的情况下，效率提升均在94%以上，其中91.67%的测试例子效率提升在98%以上。另外，这两种方法在4个工业应用问题中均取得优胜效果，表明其在昂贵工业约束优化问题中良好的应用前景。

• MSV-Net：面向科学模拟面体混合数据的超分重建方法

  曹斯铭, 王晓华, 王弘堃, 曹轶

  高保真度的可视分析通常依赖大规模科学模拟产生的耦合几何模型的高分辨率网格数据，这对数据存储和流畅交互均提出了巨大挑战。提出了MSV-Net，一个面向大规模科学模拟面体混合数据的超分辨率重建方法。该网络为端到端的深度神经网络，通过多层非线性变换实现从低分辨数据到高分辨数据的混合绘制映射的联合学习；该网络舍弃了全连接层，不仅可以减少网络参数，而且能够提升网络的灵活性与可复用性。此外，构建了面向大规模电磁模拟应用的面体混合数据集MSV-Dataset，用于模型训练和验证。该数据集由采用不透明几何模型绘制耦合半透明体绘制的混合绘制的图像构成。与多种传统方法和深度学习方法进行了对比，定量分析结果显示，MOS绝对评价指标达到了4.1，重建准确率仅次于真实图像；基于混合数据绘制1 500×1 500分辨率的图像，采用直接绘制需要66.28 s，而采用MSV-Net则仅需要4.14 s，交互性能提升了约15倍。

• 可能性聚类假设的多模适应学习方法

  但雨芳, 陶剑文, 赵悦, 潘婕, 赵宝奇

  基于图的半监督学习（GSSL）凭借其直观性和良好的学习性能，在机器学习领域吸引了越来越多的关注。然而，通过分析发现，现有基于图的半监督学习方法存在对噪声、异常数据的鲁棒性不够好以及较敏感的问题。此外，该方法具有较好性能的前提是训练数据与测试数据为独立同分布（IID），导致在实际应用中存在一定的局限性。为解决上述问题，在某个再生核Hilbert空间，在充分考虑最小化噪声、异常数据影响的基础上，结合不同数据分布特点，基于结构风险最小化模型，提出一种基于可能性聚类假设的多模型适应学习方法（MA-PCA）。其主要思想为：通过模糊熵减弱噪声、异常数据对方法所带来的负面影响；综合考虑训练数据与测试数据在独立同分布和在独立不同分布时进行有效的多模适应学习，弱化训练数据和测试数据的独立同分布约束条件亦具有较好性能；给出了算法实现及其收敛性定理。在多个真实视觉数据集上分别进行了大量实验并进行深入分析，证实了所提方法具有优越的或可比较的鲁棒性和泛化性能。

• 检测优化的标签多伯努利视频多目标跟踪算法

  蒋凌云, 杨金龙

  在检测器与跟踪器结合的视频多目标跟踪算法中，检测器好坏将直接影响整个跟踪算法性能，尤其是检测器的漏检以及误检，会导致目标的漏跟以及误跟，增加碎片化轨迹以及身份标签变换次数增加的问题。针对这些问题，在标签多伯努利的滤波框架下，设计了新的量测驱动新生目标识别方法以更快速精准地捕获新生目标。设计了目标重识别方法，结合标签多伯努利算法能够在短时间内维持标签的不变性，减少了碎片化轨迹及标签跳变数。引入新的模板选取策略，以避免将被遮挡的目标加入到模板中污染模板。考虑到标签多伯努利滤波为在线推理算法，采用了并行化加快算法的运算效率。结果表明，在标签多伯努利的框架下，提出算法能够有效解决标签跳变以及目标被遮挡无法准确跟踪的问题，在具有挑战性的MOT17数据集上进行测试，与其他相关滤波方法进行比较，具有不错的跟踪效果。

• 双通道四元数卷积网络去噪方法

  曹义亲, 饶哲初, 朱志亮, 万穗

  基于深度学习的彩色图像去噪方法通常是在各个通道进行卷积操作后再进行合并得到最后的卷积结果。这种方式没有充分考虑色彩通道之间的光谱相关性，可能导致去噪结果的失真。四元数卷积将彩色像素当作一个整体来进行处理，可以很好地解决这一问题。但是单一的四元数卷积网络不能较好地还原图像细节信息。针对这一问题，提出一种用于去除彩色随机脉冲噪声的双通道四元数卷积网络（DQNet）。该网络首先基于结构通道和色彩通道融合的策略，采用基于扩张卷积的结构细节还原模块提取结构和边缘特征，采用四元数卷积网络提取色彩特征；然后针对卷积运算会导致部分全局信息丢失的问题，通过长线连接将含有丰富全局特征的输入噪声图像与卷积结果进行融合，设计基于注意力机制的特征增强模块来指导网络提取复杂背景中的潜在噪声特征；最后利用残差学习实现彩色随机脉冲噪声的复原。实验结果表明，所提算法具有较好的去噪性能，在中度噪声污染或高度噪声污染的情况下去噪效果更为突出。

• 流形背景感知的相关滤波目标跟踪

  袁姮, 赵肖祎

  针对相关滤波跟踪算法在相似背景、遮挡、快速运动、运动模糊等复杂场景下目标易丢失的问题，提出一种新的基于流形背景感知的相关滤波目标跟踪方法。首先，选取目标区域，提取目标的外观特征，建立目标模型；然后，以目标所在位置为原点，采用双指数分布构建流形搜索区域，并根据目标的运动速度和运动方向动态调整流形搜索区域的搜索范围和搜索角度，提取流形搜索区域内的背景信息，将背景信息与目标特征模型进行滤波器训练，得到滤波器模板；最后，以滤波器模板来确定目标位置，进行目标跟踪。提出的流形背景感知算法，根据目标运动的速度和方向，采用动态搜索机制进行搜索，涵盖了目标随机运动的大概率空间范围，在复杂场景下能够有效搜索目标，并控制了计算量，提升了目标跟踪算法的精度和速度。该方法在标准数据集OTB100上进行了大量的实验，实验结果表明，相较于其他主流算法，该算法对相似背景、遮挡、快速运动、运动模糊等复杂条件下的目标跟踪具有很好的准确率、实时性和鲁棒性。

• 自动扩充关键词语义信息的诗歌生成算法

  王勇超, 周灵智, 赵亚萍, 许端清

  当前，诗歌生成模型大多数通过用户所提供的关键词来生成符合韵律规则和音调起伏的诗歌。由于关键词蕴含的语义信息较少，很难保证生成诗歌的质量，容易出现上下文主题偏移的现象。针对这一问题，提出了一种基于条件变分自编码器的生成模型，该模型能够在更加丰富的语义信息指导下，生成更符合关键字描述和用户满意度的诗歌。该模型通过采样人类创作的诗歌，引入额外和关键词相关的语义信息，有效估计条件变分自编码器的先验概率分布，生成更贴合真实分布的先验概率。由于该模型自动扩充了关键词信息，缩小了输入和输出语义信息的差距，缓解了以往模型中普遍存在的过翻译问题。实验结果表明，该模型无论在自动评估还是人类评估方面相比其他模型都有更好的效果，并成功减少了过翻译问题出现的频率，提高了生成诗歌的流畅性。通过变化采样的范围，成功实现了对生成诗歌写作风格的控制，进一步证明了该算法的有效性。

• 融合ALBERT与规则的小麦病虫害命名实体识别

  刘合兵, 张德梦, 熊蜀峰, 马新明, 席磊

  小麦病虫害中文命名实体识别是构建该领域知识图谱的关键步骤，针对小麦病虫害领域训练数据匮乏、实体结构复杂、实体类型多样及实体分布不均匀等问题，在充分挖掘隐含知识的前提下，采用了两种数据增广方法扩充句子语义信息，构建了小麦病虫害实体识别语料库WpdCNER及其领域词典WpdDict，并在领域专家的指导下定义了16类实体；同时提出了一种基于规则修正的中文命名实体识别模型WPD-RA，该模型基于轻量级BERT＋双向长短期记忆网络＋条件随机场（ALBERT＋BiLSTM＋CRF）进行实体识别，并在识别后定义具体规则校准实体边界。融合规则后的ALBERT+BiLSTM+CRF模型取得了最好的识别结果，准确率为94.72%，召回率为95.23%，[F1]值为94.97%，相比不加规则的识别结果，其准确率、召回率、[F1]值分别增加了1.71个百分点、0.34个百分点、1.03个百分点。实验结果表明，该方法能有效识别小麦病虫害领域命名实体，识别性能优于其他模型，为食品安全、生物等其他领域命名实体识别提供了一种可借鉴的思路。

• 融合图小波和注意力机制的交通流预测方法

  薛延明, 李光辉, 齐涛

  交通流预测是现代智能交通系统管理和控制的重要环节。然而，交通流复杂多变，一方面城市道路之间联系性强，另一方面道路交通情况还会随着时间呈现动态变化。近年来有许多研究者尝试利用深度学习方法提取交通流中复杂的结构特征，但是局部特征提取的过程缺乏灵活性，同时忽略了时空特征的动态变化性以及局部和全局时空特征之间的关联性。因此，提出了一种融合图小波和注意力机制的交通流预测方法。该方法采用小波变换和自适应矩阵分别提取交通流局部和全局空间特征信息，并结合改进的循环神经网络提取局部时间特征信息。同时，该方法通过注意力机制来捕获时空动态变化性，并利用一种时空特征融合机制来融合局部和全局时空特征信息。实验结果表明，该方法能很好地提取真实交通数据集中空间和时间特征，预测效果优于现有的方法。

• 双感知门控交互的多任务推荐模型

  林建, 吴云, 陈育康

  针对多任务推荐中存在负迁移的问题，提出一种双感知门控交互的多任务推荐模型（DPGI-MTRM）。首先，在多任务共享网络和专有网络中，创新性地设计了双感知特征提取模块（称为双感知专家层），其作用是对输入特征得到元素级和向量级的双感知特征表示。其次，在门控网络的基础上提出了任务交互层，对经过门控网络输出的特征进行交互计算提取任务之间的高级语义相关性，同时采用残差方式加上原始输入门控的特征向量减少任务交互可能带来的噪音干扰。最后，通过堆叠双感知专家层、门控交互层，连接特定任务的神经网络输出层得到双感知门控交互的多任务推荐模型。此外，在模型训练时使用了梯度归一化的多目标优化方法，使该模型更好地收敛。在Census-income、Synthetic Data和Ali-CCP数据集上进行实验，采用AUC和MSE指标进行评估，实验结果表明，提出的模型表现优于其他基准模型，达到较为先进的性能。

• 融合多尺度自注意力机制的运动想象信号解析

  刘京, 赵薇, 董泽浩, 王少华, 王余

  基于运动想象脑电信号的脑机接口（BCI）技术近年来发展迅速，并且与传统方法相比，深度学习取得了具有竞争力的效果。然而如何设计和训练一个端到端网络来充分提取运动想象脑电信号的潜在特征仍然是一个挑战。从脑电的时间和空间特征出发，提出了一个基于注意力机制的多尺度时空自注意力网络模型用于运动想象脑电信号四分类（左手、右手、脚、舌头/休息）。由于运动想象脑电信号的幅值与响应时间因人而异，无法确切确定与运动想象最相关的大脑区域，在空间上使用自注意力机制自动将较高的权重加权到与运动相关的通道，将较低的权重加权到与运动无关的通道来选择最佳通道；在时间上，使用并行多尺度TCN层提取不同尺度下的时间域特征信息，消除时间域上的噪声。多尺度融合模块融合提取的空间和时间域特征，最后输入到特征分类模块进行分类。提出的模型在BCI竞赛数据集IV-2a、IV-2b数据集和HGD数据集上分别达到79.26%、85.90%和96.96%的精度。与现有方法相比，该方法在单被试分类中具有更高的准确率。结果表明，该方法具有较好的性能、鲁棒性和迁移学习能力。

• 多源域分布下优化权重的迁移学习Boosting方法

  李赟波, 王士同

  深度决策树迁移学习Boosting方法（DTrBoost）仅能适应一个源域与一个目标域的训练数据，无法适应多个不同分布的源域的样本。此外，DTrBoost方法同步地从源域中学习数据至目标域模型，并没有根据重要程度量化学习知识的权重。在实践中，对于某数据集的数据按照某一或某些特征划分出来的数据往往分布不一致，并且这些不同分布的数据对于最终模型的重要性也不一致，知识迁移的权重也因此不平等。针对这一问题，提出了多源域优化权重的迁移学习方法，主要思想是根据不同分布的源域空间计算出到目标域的KL距离，利用KL距离的比值计算出不同分布的源域样本的学习权重比例，从而优化整体梯度函数，使学习方向朝着梯度下降最快的方向进行。使用梯度下降算法能使模型较快收敛，在确保迁移学习效果的同时，也能确保学习的速度。实验结果表明，提出的算法在整体上实现了更好的性能并且对于不同的训练数据能够实现自适应效果，分类错误率平均下降0.013，在效果最好的OCR数据集上下降0.030。

• 融合预训练模型和注意力的实体关系抽取方法

  李智杰, 韩瑞瑞, 李昌华, 张颉, 石昊琦

  实体关系抽取旨在从无结构的文档中检测出实体和实体对的关系，是构建领域知识图谱的重要步骤。针对现有抽取模型语义表达能力差、重叠三元组抽取准确率低的情况，研究了融合预训练模型和注意力的实体关系联合抽取问题，将实体关系抽取任务分解为两个标记模块。头实体标记模块采用预训练模型对句子进行编码，为了进一步学习句子的内在特征，利用双向长短时记忆网络（BiLSTM）和自注意力机制组成特征加强层。采用二进制分类器作为模型的解码器，标记出头实体在句子中的起止位置。为了加深两个标记模块之间的联系，在尾实体标记任务前设置特征融合层，将头实体特征与句子向量通过卷积神经网络（CNN）和注意力机制进行特征融合，通过多个相同且独立的二进制分类器判定实体间关系并标记尾实体，构建出融合预训练模型和注意力的联合抽取模型（JPEA）。实验结果表明，该方法能显著提升抽取的效果，对比不同预训练模型下抽取任务的性能，进一步说明了模型的优越性。

• 采用二分网络表示学习的教学交互评价方法

  王雪岑, 张昱, 赵长宽, 陈默, 于戈

  随着“互联网+教育”的结合与发展，在线教学成为当前的重要教学模式。研究表明，在线教学中的交互为学习者提供了有效的帮助和支持，而得到对交互的评价反馈是实现高质量在线学习的关键。在线教学中的学习者与学习资源的交互构成了一个二分交互网络，而网络表示学习技术则是对网络建模和预测的强有力工具。基于上述分析，提出基于二分交互网络表示学习的评价方法（EABINRL），该方法旨在结合二分交互网络的拓扑结构信息与节点之间的交互信息，通过对显式的交互行为和隐式的交互行为两部分进行建模以学习两种类型节点的低维向量表示，其中针对不同的交互类型采用了不同的权重。而后进一步优化模型流程，最终得到基于F-范数计算的交互评价结果。在真实公开的数据集上进行的学习者状态预测实验的结果证明了该方法的有效性。

• 双通道异构图神经网络序列推荐算法

  邬锦琛, 杨兴耀, 于炯, 李梓杨, 黄擅杭, 孙鑫杰

  基于用户行为序列的推荐系统的目的是根据上一次序列的顺序预测用户的下一次点击。目前的研究一般是根据用户行为序列中项目的转换来了解用户偏好。然而，行为序列中的其他有效信息被忽略，如用户配置文件，这会导致模型无法了解用户的特定偏好。提出了一种基于双通道异构图神经网络的用户行为序列推荐算法（DC-HetGNN），该方法通过异构图神经网络通道和异构图线图通道学习行为序列嵌入，并捕获用户的特定偏好。DC-HetGNN会根据行为序列构造包含各种类型节点的异构图，可以捕获项目、用户和序列之间的依赖关系。其次，异构图神经网络通道和异构图线图通道捕获物品复杂转换及序列之间的交互信息，并学习包含用户信息的物品嵌入。最后，考虑到用户长期和短期偏好的影响，将局部和全局序列嵌入与注意力网络相结合，得到最终的序列嵌入。在两个电商用户行为序列数据集Diginetica和Tmall上进行的实验表明，DC-HetGNN与新近模型FGNN相比在指标平均倒数排名（MRR）和召回率（Recall）中平均分别提升2.08%和0.78%，与TGSRec相比在指标MRR@n和Recall@n中平均分别提升2.70%和0.49%。