新闻推荐算法可信评价研究

随着AI、5G、AR/VR等新技术的快速发展,内容类应用如电子商务、社交网络、短视频等层出不穷,导致信息过载问题日益严重。人工智能技术的发展推动了智能算法的爆炸式运用,作为智能算法的一种,推荐算法在大数据、应用场景和计算力的推动下,通过信息过滤技术,为用户提供适应兴趣及行为的个性化及高质量的推荐服务,逐步提高了用户的使用体验、内容分发效率,在一定程度上缓解了信息过载的问题。但推荐算法的潜在偏见、黑盒化特性及内容分发方式也逐渐带来了决策结果不公平性、不可解释性,信息茧房、侵犯用户隐私等安全挑战。如何提高推荐算法的可解释性、公平性、可信程度等越来越受到国内外政府监管部门、产业及学术界的重点关注,推荐系统和推荐算法也由此从发展期进入管制期。为此,本文针对新闻推荐领域,分析推荐算法的稿件画像、用户画像、推荐推送、反馈干预和人工复审等关键要素,围绕推荐算法生态的参与者,如内容生产者、受众、算法模型、新闻平台,从公平性、可解释性和抗抵赖性三个方面提出了一种新闻推荐算法可信评价体系,并进行定量或定性分析。公平性、可解释性和抗抵赖性是正相关关系,当公平性和抗抵赖性越强、可解释程度越高,新闻推荐算法的可信度越高。希望弥补新闻推荐算法领域的可信研究的空白,建立可信推荐算法生态,加速安全推荐系统的建立和推广,同时为智能算法可信研究提供参考,为智能算法的监管和治理提供思路。     

一种基于云服务模式的网络测量与分析架构*

针对面向大科学数据传输网络测量中遇到的问题,为了更有效地测量与分析网络性能,提出一种基于云服务模式的网络测量与分析架构———CS-Measure(network measurement and analysis architecture of cloudservice),实现了网络测量共享式服务,降低了单个应用系统的测量负担,并进行了部署及应用。     

基于分子动力学模拟的改进混合蛙跳算法

针对基本的混合蛙跳算法(Shuffled frog leaping algorithm,SFLA)后期搜索速度变慢,容易陷入局部最优解的缺点,借鉴分子动力学(Molecular dynamics,MD)模拟的思想,提出一种基于分子动力学模拟的改进的混合蛙跳算法。该算法将种群中的粒子等效成分子,并提出一种新的分子间作用力计算方法来代替两体间经典的Lennard-Jones作用力计算方法,利用Velocity-Verlet算法和高斯变异算子代替基本混合蛙跳算法的更新策略,有效地平衡了种群的多样性和搜索的高效性。高维多峰函数测试的结果表明,基于分子动力学模拟的改进混合蛙跳算法能提高算法后期跳出局部极值的能力,全局寻优能力明显优于基本的混合蛙跳算法。     

网络测量与分析研究综述①

网络测量与分析是人们认识、了解、更好地利用网络的重要手段,为互联网的科学管理和有效控制及互联网的发展与利用提供科学依据。介绍了网络测量与分析的主要研究内容,以及国内外相关领域的研究现状,并对网络测量的关键技术进行了分析,同时给出了网络测量的常用工具的性能比较。最后展示了中美俄环球科教网络GLORIAD的网络测量的应用案例。     

燃煤复合固硫剂的研究

燃煤产生的SO_2是我国大气污染的主要成分,为了有效控制SO_2的排放,提高燃煤固硫率,文章选取Ca(OH)_2做主固硫剂,攀枝花高硫煤为研究对象,实验温度为1000℃,采用单因素实验和正交实验研究助剂对燃煤固硫效果的影响,结果表明,添加剂的加入均不同程度的提高了固硫效率。进一步对煤样进行热重分析可知,加入助剂,燃烧由一段燃烧变成两段燃烧,煤样的燃尽时间缩短,煤样的燃烧特性有所改善。     

区块链共识算法研究综述

共识算法是区块链系统维护数据一致性的核心机制.本文深入调研并分析了具有代表性的共识算法及其演化历程;基于共识过程提出共识算法的分类模型,并对各类型中代表性的共识算法进行详细分析;最后从去中心化、可扩展性、安全性、一致性、可用性、分区容忍性六个方面建立了一套共识算法的评价指标体系,并对代表性的共识算法进行对比分析,给出各...