计算机科学与探索杂志

计算机科学与探索杂志2025年第6期

• 基于大语言模型的NLP数据增强方法综述

  许德龙, 林民, 王玉荣, 张树钧

  当前，大语言模型在自然语言处理（NLP）领域展现出巨大的潜力，但其训练过程依赖于大量高质量样本。在低资源场景下，随着模型规模不断扩大，现有数据样本数量难以支撑模型训练收敛，这一问题激发了相关领域科研工作者对于数据增强方法的研究。然而，传统数据增强方法在NLP领域大模型背景下存在应用范围有限和数据失真的问题。相比之下，基于大语言模型的数据增强方法能够更有效地应对这一挑战。全面探讨了现阶段NLP领域大语言模型数据增强方法，采用了综合性的视角研究NLP领域数据增强。对NLP领域传统数据增强方法进行分析与总结。将现阶段NLP领域多种大语言模型数据增强方法归纳总结，并深入探讨了每一种方法的适用范围、优点以及局限性。介绍了NLP领域数据增强评估方法。通过对当前方法的对比实验和结果分析讨论了NLP领域大语言模型数据增强方法的未来研究方向，并提出了前瞻性建议。

• 基于大语言模型的虚假信息检测框架综述

  张欣, 孙靖超

  在全球范围内，虚假信息于互联网尤其是社交媒体中的传播，已成为亟待解决的重要议题。随着人工智能技术的兴起，虚假信息检测中大语言模型的应用研究已然成为热点。但在国内，该领域相关研究较为匮乏，尚未形成完整体系。为系统梳理其研究现状及发展脉络，对大语言模型赋能虚假信息检测的研究进行了全面总结。聚焦于基于大语言模型的虚假信息检测框架，深入探讨了大语言模型在虚假信息检测过程中数据生成、数据增强、信息抽取、结合外部知识和工具、模型改进、最终融合决策、解释与反馈生成等方面的创新应用。概述了虚假信息的定义及其传播的背景，详细剖析了框架中的核心检测过程，梳理了虚假信息检测框架中各环节的创新点，对“内部”与“外部”的检测流程进行概述，并阐述了检测过程中涉及的检索增强、提示工程、微调等模型改进与最终决策。最后，分析了当前基于大语言模型的虚假信息检测面临的挑战，并对未来的研究方向进行了展望，以期为基于大语言模型的虚假信息检测领域的发展提供借鉴与启示。

• 轨迹表示学习方法研究综述

  孟祥福, 孙硕男, 张霄雁, 冷强奎, 方金凤

  全球定位系统（GPS）、全球移动通信系统（GSM）的快速发展以及移动设备的普遍应用，产生了大量的轨迹数据。目前的轨迹数据处理方法通常以定长的向量形式输入到模型，因此如何将变长的轨迹数据转换成定长低维的嵌入向量十分重要。轨迹表示学习旨在将轨迹数据转换为更具表达力和可解释性的表示形式。对轨迹表示学习的研究现状、方法及应用进行了全面综述。分类介绍了轨迹表示学习的关键技术，总结了现有轨迹公开数据集。将轨迹表示学习方法按照不同的下游任务进行分类，重点综述了轨迹表示学习方法在轨迹相似性计算、相似轨迹搜索、轨迹聚类、轨迹预测等领域的原理、优缺点和应用，并分别分析了每一类任务中具有代表性的模型结构和原理，及各类任务中不同方法的特点和优势。分析了当前轨迹表示学习所面临的挑战，探讨了如何解决轨迹表示学习中的数据稀疏性、多模态以及模型优化与隐私保护等问题，并提出了具体的研究思路和方法。

• 中医体质智能辨识方法的研究综述

  梁洁欣, 冯跃, 李健忠, 陈涛, 林卓胜, 何盈, 王松柏

  中医在预防疾病方面有着数千年的经验，而中医体质则作为中医的重要组成部分，与个体健康密切相关，因此在疾病预防和治疗中发挥着重要作用。近年来，信息技术与人工智能的快速发展，推动了众多智能技术在中医体质辨识领域的广泛应用。这些技术不仅使传统的中医体质辨识过程更加科学系统化，还为中医的现代化和个性化医疗提供了强有力的技术支持，旨在进一步提高中医体质辨识的准确性和效率。为了推进中医体质智能辨识的研究工作，对其方法的研究进展进行了梳理与总结。从数据层面对基于数据分析的体质辨识方法进行了系统性概括；回顾并讨论了基于传统机器学习的体质辨识方法，从分类器的角度进行比较；阐述了基于深度学习的体质辨识方法，并从网络架构角度将其划分为早期神经网络、卷积神经网络、混合网络及其他方法。针对上述三种方法，根据其研究方法和结果分别进行了分析，比较了各自的优势与局限性，并讨论了未来研究工作中的潜在发展趋势。

• 深度学习在宫颈细胞分割中的应用综述

  朱佳音, 李杨, 李明, 马金刚

  宫颈癌作为一种常见的严重威胁女性生命健康的恶性肿瘤，其早期诊断和治疗对患者的生命安全至关重要。然而，由于传统的人工检查在效率和结果一致性上存在不足，迫切需要利用计算机辅助技术来提升诊断的准确性和效率。近年来，深度学习技术飞速发展，将其应用于宫颈细胞分割领域，极大提高了分割的精确度和速度，进而显著提升了宫颈细胞学检查的准确性与效率，为宫颈癌的早期诊断提供了强有力的技术支持。为了更好地了解深度学习技术在宫颈细胞分割领域的研究现状和进展，对当前广泛使用的公开的宫颈细胞分割数据集进行了总结，对常用的评价指标进行了系统归纳，以便更好地理解不同模型的性能表现。深入探讨了深度学习技术在宫颈细胞分割领域的具体应用，并对不同算法的主要改进策略、实际效果及其局限性进行了详尽的比较分析。对该领域当前所面临的挑战和问题进行了剖析，并对未来的研究方向提出了展望。

• 基于离散麻雀搜索优化的X结构绕障Steiner最小树算法

  郑瀚, 周茹平, 刘耿耿

  Steiner最小树是求解超大规模集成电路布线问题的最佳连接模型。然而，现代芯片中往往存在各种障碍, 如宏单元、IP块等，这些障碍使得Steiner最小树的构建更为困难。同时，考虑到X结构布线具有的良好线长优化能力以及麻雀搜索算法在求解NP难问题上展现出良好的应用前景，提出了一种基于离散麻雀搜索优化的X结构绕障Steiner最小树算法（DSSA_OAXSMT）。设计了基于边点对编码的麻雀表示方法与有效的适应度计算方法，以及一种基于离散化变异与交叉运算的麻雀种群更新机制，能够有效解决离散化的X结构绕障Steiner最小树问题。提出了一种预处理策略，避免了障碍信息的重复计算，提高了算法的运行效率。提出了一种混合初始化策略，通过结合贪心思想和轮盘赌思想提高初始种群的多样性。提出了一种基于绕行的调整策略以满足障碍约束。提出了一种混合精炼策略，其中包含基于公共边的局部精炼策略与基于交叉检测与处理的优化策略，能够进一步优化线长代价。实验结果表明，所提算法相比于同类工作取得了更佳的线长优化能力。

• 融合层级知识图谱嵌入与注意力机制的推荐方法

  沙潇, 王建文, 丁建川, 徐笑然

  知识图谱在推荐系统中已广泛应用，有助于缓解用户与项目交互数据稀疏性问题。现有基于知识图谱的推荐方法主要依赖路径挖掘或信息传播来探索用户与项目之间的潜在关联，但未能充分利用知识图谱中的丰富语义和结构信息，且易引入无关噪声，影响推荐的准确性。为此，提出了一种融合层级知识图谱嵌入与注意力机制的推荐方法（HKSAR），旨在挖掘知识图谱的高阶语义和结构信息以缓解数据稀疏性问题。构建用户与项目的高阶子图，显式刻画用户与项目之间的复杂关联关系。通过层级子图嵌入模块，对子图中的高阶语义和拓扑结构进行编码，并结合自注意力机制，区分子图中各实体的重要性，最终生成高质量的子图嵌入表示，实现对用户偏好的精准建模。实验结果表明，在三个真实数据集上，相较于现有最优基线模型，所提方法在Hit和NDCG指标上分别实现了平均10.7%和13.6%的提升，且在不同数据稀疏程度的场景下推荐效果均占优，有效缓解了数据稀疏性问题。

• 融合独立思维与局部逃逸的头脑风暴优化算法

  贾鹤鸣, 饶洪华, 吴迪, 薛博文, 文昌盛, 李永超

  头脑风暴优化算法（BSO）是一种模拟人脑思维活动所提出的群智能优化算法。针对传统头脑风暴优化算法精度较差、寻优能力弱、易陷入局部最优等问题，提出了融合独立思维与局部逃逸的头脑风暴优化算法（IBSO）。提出了一种独立思维策略，当算法陷入局部最优解停滞时，加入了一个阈值用于判断是否需要执行独立思维策略。当算法陷入局部最优导致无法获得更优解时，算法会通过独立思维策略寻找一个新的位置，协助算法寻求更优解以跳出局部最优。采用了局部逃逸策略（LEO），加强了算法全局探索能力，使得算法的搜索效率更强。通过CEC2014基准测试函数和CEC2020基准测试函数来测试IBSO算法的优化性能，并与8种优化算法进行对比实验。结果表明，所改进的算法寻优能力更强，具有更高的稳定性和全局搜索能力。采用最新的工程问题评价指标对三杆桁架设计和拉伸/压缩弹簧设计两种工程问题进行测试实验，进一步验证了IBSO算法在工程问题中的实用性。

• TCTP-YOLO：盲人出行的典型障碍物及交通标志检测方法

  李云飞, 魏霞, 蔡鑫, 吕明昱, 罗相涵

  针对机器导盲犬在行进过程中面临的红绿灯等小目标和斑马线等边缘特征不清晰样本目标的检测难题，以及背景多变导致的漏检、错检和重复检测问题，提出一种改进的YOLOv8盲人出行的典型障碍物及交通标志检测方法。在YOLOv8的主干网络中引入Triplet Attention注意力机制，通过加强捕捉序列中的时序关系和强化局部区域的相关性，显著提升模型对复杂环境中关键目标的识别能力。此外，算法融合CSFF模块和TFE模块，结合局部和全局特征信息，获得更加精确的特征表示，从而提高检测的准确性。为了进一步提升对小目标的检测能力，算法结合小目标检测头P2，通过提取较低分辨率的特征来帮助识别红绿灯等小目标，增强模型的多尺度检测能力。同时，采用Focaler-WIoU损失函数，有效减小样本产生的有害梯度，进一步优化模型的训练过程。通过特征蒸馏技术对改进后的算法进行精度提升，确保模型在实际应用中的高效性和鲁棒性。实验结果表明，改进后的算法在参数量减少17.2%的情况下，平均准确率达到了93.5%，查准率为92.8%。这一改进不仅显著提升机器导盲犬在复杂环境中的目标检测能力，还为后续的局部路径规划研究提供更为准确的检测信息，具有重要的实际应用价值。

• BMTA：多元场景下的大面积破损图像修复

  曹岩, 辛子昊, 邬开俊, 单宏全, 郭炳森

  针对图像修复过程中图像像素之间语义联系不连贯、大范围损坏图像的局部纹理细节修复效果不明显的问题，提出一种名为BMTA的单阶段图像修复网络模型，用于修复多场景下的大面积破损图像，使修复出的图像在人眼主观感受和客观评价指标上都有良好的表现。生成器模块通过在卷积层中穿插双重单向注意力模块来对输入图像进行特征压缩、重建和强化重要特征信息，将压缩的特征分通道进行局部特征提取和全局特征提取，利用分割条纹窗口建立全局信息联系，使用残差密集块对局部细节信息深度提取，并将所提取的特征进行融合。在解码器部分，为防止在解码过程中造成局部信息丢失和修复过程中对上下文信息理解的不准确，使用门控的线性自注意力模块来保证网络中信息的多层次保留，从而达到更接近原图的修复效果。使用鉴别器来评估修复结果，促使修复图像在结构和纹理上具有更好的表现性。在CelebA、StreetView以及Places2数据集上的表现均优于当前先进的图像修复算法。

• 极坐标编解码的轻量化SAR图像舰船斜框检测算法

  吕伏, 郑禹, 齐光尧, 李浩然

  针对目前合成孔径雷达（SAR）图像舰船目标斜框检测算法中存在的参数量过大难以满足实时化检测需求以及边界不连续的问题，提出了一种基于极坐标编解码的轻量化SAR舰船目标斜框检测算法。基于ShuffleNetV2的Shuffle单元并利用轻量高效的PC卷积和Ghost卷积，提出了卷积协同单元，实现优化卷积操作，减少算法的复杂度。引入极坐标编解码方法，并提出余弦调和IoU加权损失函数，动态调节极坐标编码损失，解决斜框检测存在的边界不连续问题，同时使用双峰最大池化和椭圆二维高斯分布对极坐标编解码方法进行改进，以提高对近岸密集排布舰船的检测精度。提出多尺度条形卷积注意力模块和空间选择特征增强模块，通过获取不同尺度特征信息，以提高网络特征提取能力。在SSDD+和DSSDD数据集上的实验结果表明，该算法分别实现了85.7%和90.6%的检测精度，并在HRSID数据集上进行泛化测试，检测精度可达82.3%。相较于同类算法在检测精度相近的情况下，参数量和浮点运算量低于同类算法的1/10，仅为0.87 MB和1.21 GFLOPs，检测速度可达135 FPS，满足实时性检测需求。

• 基于提示标签协同的关系抽取方法

  冉哲宇, 陈艳平, 王凯, 黄瑞章, 秦永彬

  提示学习可以将下游任务转换为预训练任务形式的掩码预测任务。然而，将提示学习应用于关系抽取任务时，由于掩码的输出是标签类别的语义向量表示，容易导致生成空间过大而对掩码语义解析度不足。针对这一问题，提出了一种基于提示标签协同的关系抽取方法。为每个关系类构建两组同义词标签。其中一组用于学习掩码表示，另一组用于强化标签语义。在掩码语言模型中引入约束层以对掩码表示进行双向约束。使得两组同义词标签间隐含差异的语义和先验知识能够融入到关系表示中。由于同义词标签是基于知识初始化的，它们在潜在变量空间中可能不是最优的，应该与周围的上下文相关联。因此，在训练过程中，同义词标签表示会与掩码共同参与优化。提出的方法能够提高模型对标签语义的认知能力，同时优化掩码表示，从而提升模型对掩码的语义解析能力。实验结果表明，该方法在标准和小样本设置的三个公共数据集上均明显优于对比方法，证明了该方法的有效性。

• 基于全域跨语义融合的多级酶功能预测

  周汉文, 邓赵红, 张炜

  蛋白质在生物活动中发挥着关键作用，酶作为一种重要的蛋白质，因其催化功能在多个领域得到广泛应用。然而，通过生化实验验证酶的功能既费时又昂贵。传统的酶功能注释方法主要依赖于序列相似性，但在目标酶序列与已知酶差异较大时，这些方法效果不佳。近年来，科研人员初步探索了一些基于深度学习的方法，但现有的深度学习方法受限于传统酶序列编码方式，并且仅利用单一视图或单层次的信息，这使得模型在处理结构复杂或功能多样的酶时表现出一定的局限性。对此，提出一种新的全域跨语义融合的多级酶功能预测方法（GCMEFP）。所提方法使用了两种最新的蛋白质大语言模型进行序列词嵌入学习。构建了多语义深度特征学习模块，该模块通过卷积神经网络构建语义金字塔，实现了不同层级语义信息的提取。还提出了全域跨视图语义融合模块，用于探索不同视图之间隐藏的相互作用信息，并去除冗余信息来增强模型的泛化性。实验结果表明：提出的GCMEFP在基准数据集上的精度达到89.6%，较现有最优方法高出0.048；在独立测试集New-379上的精度达到55.6%，较现有最优方法高出0.14。

• 基于轻量化卷积和SCAM改进的X光违禁品检测

  左景, 石洋宇, 卢树华

  针对X光违禁品图像目标重叠遮挡、关键特征信息提取困难和复杂背景干扰等问题，提出了多分支轻量化卷积和注意力机制改进的X光违禁品检测模型。所提模型在主干网络设计空间和通道重构注意力机制（SCAM），通过对特征图在通道和空间上重组，区分特征图冗余信息和非冗余信息，加强关键特征提取并抑制背景干扰，提升模型面对复杂场景检测违禁品的能力；提出多分支轻量化卷积结构（MLCB），采用轻量化双分支和信息补偿分支共同处理特征图，降低模型参数量并防止模型预测精度下滑，提升运行效率；同时融合最小交并比（MPDIoU）损失函数和软非极大值抑制（Soft NMS）替换完全交并比（CIoU）边框回归损失函数，通过定义更加全面的交并比方式，缓解边框回归重合情况下难以优化问题，改善违禁品重叠遮挡造成的易漏检误检问题。所提模型在OPIXray、HIXray与 SIXray三个数据集上进行验证，mAP0.50分别达到了95.7%、83.7%和95.3%。实验结果表明所提方法在计算量较小的情况下，具备高精准度和强鲁棒性，可以有效解决重叠遮挡和漏报、误报等问题。

• 元素融合视域下数据故事的事实、事件识别方法及模型构建

  孙智中

  如何关联数据与故事，将数据以故事形式呈现，是数据故事研究的基本问题。不同于以往的人为割裂数据与故事的“硬连接”，采用融合的“软连接”视角提出数据与故事关联的中间融合元素——数据事实和数据事件，并基于此构建了支持量化和自动化操作的数据故事模型。借助Chatman叙事理论，并依据语言学特征和自然语言处理工具，将融合元素具体化和量化，设计自动识别方法。应用识别方法提取新华网图文互动型作品、轻松筹平台发文和财新网“数字说”中的数据事实和数据事件，通过分析发现它们的位置分布与叙事结构存在关联，以及它们所构成的三种叙事结构（纵向结构、横向结构和交互式结构）。基于数据事实和数据事件构建数据故事模型。结果表明：所提融合元素识别方法在上述3个数据集上的Accuracy、Precision和F1-score得分均大于0.8；依据融合元素构建的模型存在于数据故事作品中，可用于描述从数据到故事的生成过程。

• 融合学生知识状态与混沌萤火虫算法的习题推荐研究

  周楠, 董永权, 闫林克, 金家永, 贺步贵

  信息技术和人工智能的迅速发展正推动教育领域实现更智能化和个性化的进步，个性化教育旨在根据学生的知识状态和学习特点，提供个性化的学习内容和习题，以优化学习效果和体验。个性化习题推荐是智慧教育领域的关键环节，通过感知学生的知识状态推荐适合的习题，有效提高学习效率和成绩。然而，传统的推荐方法忽视了学生的个性化需求和知识状态变化，导致推荐结果不准确。针对上述问题，提出了融合学生知识状态与混沌萤火虫算法的习题推荐模型（SKS-CFA-ER）。该算法框架包含两个核心模块：学生知识状态感知（KSP）模块和习题列表推荐（REL）模块。KSP模块利用深度学习技术感知学生的知识概念覆盖率和学习掌握程度，构建学生的知识状态模型；REL模块根据KSP模块的预测结果，通过混沌萤火虫算法过滤和优化习题集，生成最优的个性化习题推荐列表。在三个数据集上进行了广泛的习题推荐实验，并验证了所提模型的有效性与优越性。

• 物联网中虚拟网络功能转发图算法设计

  任诚, 刘静, 王宇, 李亚鑫, 李红伟

  近年来，物联网的迅速发展和其终端数量的爆炸式增长对物联网网络服务提出了更高要求。结合网络功能虚拟化（NFV）和软件定义网络（SDN）技术，对新一代物联网服务功能虚拟化和软件化，可以将网络服务表示为虚拟网络功能转发图（VNF-FG）。现有的研究主要关注VNF-FG嵌入（VNF-FGE）问题，把VNF-FG作为确定输入，忽略了VNF-FG的设计问题；又或者在设计VNF部署算法时，没有充分利用VNF-FG的图结构，使算法有一定局限性。因此，研究VNF-FG有向无环图（DAG）设计问题。针对一组到达物联网终端的服务请求，设计约束，建立一个整数线性规划（ILP）模型生成最优无环VNF-FG；以最小化虚拟节点总数为目标，提出一种高效的虚拟网络功能转发无环图设计算法，充分利用已有虚拟节点，并找出导致成环的关键VNF实例，通过反向增扩恰当数量的关键VNF以消除VNF-FG中的环路，在保证无环和最小化虚拟节点数量之间进行折中。实验结果表明，该算法与ILP模型之间的差距很小；与其他已有算法相比，在不同SFC请求数量下，该算法生成的虚拟节点个数平均降低了17.67%。

• 多维度边优化溯源图改进的APT攻击检测方法

  何厚翰, 芦天亮, 张岚泽, 袁梦娇, 曾高俊

  考虑到高级持续性威胁（APT）的复杂特性，利用溯源图能够将系统事件以因果关系联系起来，现有研究尝试将溯源图技术应用于检测此类攻击及取证分析。针对溯源图规模爆炸、数据样本不均衡引起的过度平滑现象，以及系统事件类型过度多样化导致的关系型算法数据稀疏性问题，提出了一种多维度边优化溯源图改进的APT攻击检测方法。面向系统内核日志设计多模块化的前端解析方案，解决海量日志的溯源图建模问题，并对原有上下文语义缺失进行补全；通过边缩减优化策略的[K]阶子图采样方法关注与攻击活动相关的局部结构，将提取到的多维度边特征利用图嵌入技术学习并融合为边属性的嵌入表达；通过在图注意力网络（GAT）中引入多维度边属性与节点特征的注意力计算，并与节点间的注意力计算相融合以构建混合注意力机制。调参及消融实验结果表明，所提方法有效缩减了溯源图规模，同时具备较低的计算资源消耗与算法时间复杂度。对比实验结果验证了所提方法在数据不均衡及事件类型多样化背景下，模型的综合检测性能有较大提升，相比R-GCN等传统关系型算法，Precision、Recall和F1值分别提高5.70、4.35和5.08个百分点。

• 广义多项式混沌框架下软件可靠性增长模型的数值解法

  杨晓艺, 兰雨晴, 张越

  随着软件系统质量的提高，用户对软件系统可靠性的需求增加。由于软件系统复杂，加之运行环境中含有不确定性，研究人员较难获取精确的软件可靠性估计。基于非齐次泊松过程（NHPP）的软件可靠性模型可将运行环境中的不确定性纳入软件可靠性评估。将环境中的不确定性量化，提出了基于NHPP及广义多项式混沌框架的可靠性模型数值解法，将软件测试环境的不确定性的影响纳入考虑，以完成软件可靠性评估。在量化环境中不确定性的前提下，拟通过分析输入参数状态及分布形式，给出统一广义多项式混沌框架求解常微分方程数值解。为验证上述方法的性能，将三个基于不同的故障检测率的软件可靠性模型的传统解法作为对照，用系列常用统计指标来给出面向不同模型数值求解的表现。结果表明，该数值解法的表现可与三个经典模型解析解的结果媲美。同时，该数值解法能够快速获得模型结果，降低了模型本身的要求，为软件质量保障领域提供了一种高效且实用的分析工具，有较好的推广价值。

• 覆盖导向的Android程序多入口测试方法

  傅洁, 郭帆

  提高Android应用程序的质量是移动设备领域所面临的重要挑战。活动启动作为应用程序的核心功能之一，其正确性和可靠性将直接影响用户体验和应用质量。近期的研究表明，构建意图测试用例可有效检测与活动启动测试相关的问题，但现有方案在探索效率和发现深层崩溃方面仍存在限制。针对上述问题，提出一个新颖的解决方案CoMuBot。分析路径约束为意图生成合适的属性值，并结合意图模糊测试技术构建模糊的活动启动上下文，从而提高路径覆盖率和测试用例的多样性。设计动态的活动推荐算法及结合最先进的探索工具APE，实现了一个自适应的多入口探索策略。引入覆盖率引导的灰盒模糊测试思想，实现了一个高效的覆盖导向的多入口测试方法。实验结果表明，该方法在探索效率和活动启动准确性方面均优于工具Fax，其中方法覆盖率提升了25.63%，并以高达96.52%的准确率成功启动了62.23%的活动。同时，在独特崩溃检测方面，CoMuBot相比于Fax和DALT展现出了一定的优势，有效提高了应用程序的稳定性和可靠性。