计算机工程与科学

当期目录
网络首发
过刊浏览
下载排行
阅读排行

2026年, 第2期　刊出日期：2026-02-25 上一期

本期栏目： 目录高性能计算人工智能与数据挖掘

目录

2026年第2期目录

2026, 48(2): 0-0. doi:

摘要 ( 25 )   PDF (233KB) ( 17 )   　　

高性能计算

低温ADC综述

李萌, 吕方旭, 赖明澈, 黄恒, 辛可为, 赵成卓

2026, 48(2): 191-208. doi:

摘要 ( 22 )   PDF (1983KB) ( 10 )   　　

模数转换器ADC是模拟域与数字域连接的桥梁，对于数字世界处理模拟信号具有重要意义。近年来，量子计算的快速发展为一系列低温电路提供了机遇，其中低温ADC工作在量子读出电路中，实时读取量子状态。然而，CMOS器件的低温特性，如Kink效应出现、阈值电压升高、亚阈值斜率升高和晶体管失配增加等，会影响ADC电路正常工作，导致性能下降。主要回顾和总结了现有低温ADC电路，对其在低温下的研究和进展进行了系统的分析和综述，分析了晶体管的低温特性和低温ADC比较器的设计，并对低温ADC的未来研究方向进行了展望。

基于发送速率梯度的数据中心网络拥塞控制

江艺, 吴向军, 张经纬

2026, 48(2): 209-215. doi:

摘要 ( 29 )   PDF (808KB) ( 16 )   　　

针对现有RoCE网络协议带宽利用率不足、收敛速度较慢和多流共享链路公平性不足等问题，在HPCC协议基础上，改进并提出了一种基于发送速率梯度的动态速率自适应增量算法DRAI。首先，交换机在数据包中添加包含链路容量及最大并发流数目等字段的INT信息；其次，接收端返回携带相同INT信息的ACK包；最后，发送端由INT信息计算得到拥塞点的速率梯度，并以此为信号实现动态的加性递增因子,采取MIMD调速策略控制发送速率。实验结果表明，与HPCC协议相比，所提出的拥塞控制算法收敛速度更快，多流共享链路公平性更佳；在短流FCT与HPCC协议基本持平的同时，能够在高负载场景降低长流的99分位FCT。

面向领域专用片上网络的自定义拓扑结构生成框架

唐岩, 李晨, 陈小文, 鲁建壮, 郭阳

2026, 48(2): 216-227. doi:

摘要 ( 39 )   PDF (3318KB) ( 18 )   　　

在当今时代，众多IP被融入复杂的片上系统设计中，这些IP模块种类各异，涉及不同的数据宽度、工作频率和流量模型。通常，连接这些IP模块的是采用规则拓扑结构的片上网络。然而，这种传统结构可能导致链路负载不平衡和冗余，进而影响性能和开销。尽管定制拓扑结构已成为优化设计领域专用片上网络的有效解决方案，但这要求设计师具备深厚专业知识并需要大量的设计迭代时间。提出了一种面向领域专用的片上网络定制拓扑结构生成框架，该框架根据硬件配置、流量需求和设计目标要求，采用快速拓扑结构设计探索方法，自动生成优化的拓扑结构。框架首先通过架构分析将拓扑结构因素转化为组合优化问题，进而提出流量均衡分组方法以适应大规模片上网络设计探索，最后利用改进的分层排序方法实现多目标优化。实验结果表明，该框架能够依据不同需求快速地生成拓扑结构。与规则拓扑结构相比，该框架生成的拓扑结构能至少提升特定的领域专用片上系统75%的带宽性能，或降低其26%的面积开销。

下一代智算中心RDMA QP通信机制

王军良, 林宝洪, 张娇, 孙梦宇, 潘永琛

2026, 48(2): 228-237. doi:

摘要 ( 14 )   PDF (1332KB) ( 10 )   　　

当前智算中心主要采用远程直接存取RDMA协议实现集群内部的超高性能通信，每对进程之间都需要建立基于可靠连接RC类型的队列对QP。在下一代大规模智算中心的AI大模型场景下，All-to-All和All Reduce这些分布式的集合通信操作会触发进程与进程间的全连接通信，基于RC的机制所需要维护的QP数量将突破百万，对RDMA网卡中有限的内存和性能带来极大挑战。为解决该问题，提出了高效可靠数据报ERD的RDMA QP通信机制，一方面通过可靠数据报RD来代替传统的RC，提高网卡的QP可扩展性；另一方面设计基于RD的可靠接收机制，在网络栈增加数据包丢包和快速有序处理，保证网络可靠性的同时提高传输性能。经过实验以及NS3仿真测试，ERD可以降低99.96%的QP数量，同时网络拥塞时传输性能可以提升15%以上。

应用场景驱动的动态自重构A*算法加速阵列设计与实现

白瑜龙, 山蕊

2026, 48(2): 238-244. doi:

摘要 ( 17 )   PDF (849KB) ( 6 )   　　

在A*算法的应用场景中，当父节点周围障碍物稀少或不存在时，理论上路径搜索应变得相对直接。然而，A*算法仍会遵循既定的规则进行节点扩展，这往往导致不必要的子节点扩展冗余。针对这一问题，提出了一种基于应用场景驱动的A*算法ASD-A*，通过检测当前节点附近的障碍物数量来动态选择不同的节点拓展步长，从而提高节点拓展效率。同时，应对文中提出的灵活变化的节点拓展策略，提出了一种在动态自重构阵列上并行实现ASD-A*算法的方法，进一步加速路径规划过程。仿真结果表明，ASD-A*算法在不同障碍物数量的场景下规划出路径的时间比原算法规划出路径的时间平均减少17.7%。

人工智能与数据挖掘

一种基于因果关系的减轻大语言模型幻觉的方法

李鹤, 迟昊昂, 刘明宇, 杨文婧

2026, 48(2): 245-255. doi:

摘要 ( 28 )   PDF (1972KB) ( 13 )   　　

大语言模型LLMs的出现是生成式人工智能的一个里程碑，其在文本理解和生成任务中取得了显著的成功。尽管LLMs在许多下游任务中取得了巨大的成功，但它们也存在严重的幻觉问题，对LLMs的实际应用是重大的挑战。虽然基于Transformer的LLMs中的自注意力机制是一个重要的模块，但现有文献很少从自注意力机制的角度探讨LLMs的幻觉现象。为填补这一研究空白，从因果关系的角度研究了这个问题。具体而言，提出了一种方法，在不改变LLMs结构的情况下，禁用自注意力层。实验禁用多个开源LLMs中的不同自注意力层，在幻觉评估基准上对这些干预后的LLMs进行了评估，并将其幻觉程度与原始模型进行比较。实验结果表明，禁用LLMs前部或尾部的一些特定自注意力层可以缓解幻觉问题。

一种基于强化学习的多跳知识图谱推理方法研究

韩政, 徐茹枝, 刘晓华

2026, 48(2): 256-267. doi:

摘要 ( 29 )   PDF (731KB) ( 9 )   　　

近年来，强化学习方法在知识推理任务中有着不错的表现，但面临着智能体容易进行无目的探索以及奖励的延迟与稀疏问题2个挑战。为此，提出了基于强化学习和预测信息嵌入的多跳知识推理模型，首先设计预测嵌入信息获取模块，将得到的预测信息嵌入到强化学习框架中，解决了智能体容易陷入无目的探索而选择无效动作的问题；然后在游走过程中加入结合预测信息和Dropout思想的动作剪枝机制，缓解了动作空间过大的问题，并使用LSTM来保存智能体的历史决策信息，使得智能体每一步都能选择最有希望的动作；最后根据预测信息设计新的奖励函数成功地缓解了延迟奖励和稀疏奖励的问题。在WebQSP，PQL和MetaQA数据集上的实验结果表明，该模型在知识推理任务上有着较高的性能，能够很好地适用于知识图谱的多跳问答。

基于多阶段协同推理的大语言模型司法问答框架

付启航, 秦永彬, 黄瑞章, 周裕林, 胡青青

2026, 48(2): 268-276. doi:

摘要 ( 17 )   PDF (1033KB) ( 7 )   　　

近年来，大语言模型在司法领域展现出广阔前景，但在知识密集型推理与复杂逻辑判断的司法问答任务中，仍存在推理能力不足、法律知识运用不精准等挑战。为此，提出了一种“思考推理”解耦的多阶段协同推理框架DCRF，通过微调轻量级“思考者”生成高层次思维链，为下游推理提供策略引导；再由未经微调的Qwen1.5-14B-Chat“推理者”，在检索增强生成机制及相关法律条文的辅助下，展开细粒度逻辑推理。该框架实现了策略层与推理执行的协同，显著提升了模型调用法律知识的灵活性和准确性，同时避开大模型高成本微调，降低了训练开销。在JEC-QA,DISC-Law-Eval Benchmark等数据集上，DCRF在单选题准确率较基线模型平均提升9.77个百分点，在多选题F1分数上平均提升7.48个百分点；其中，单选超越DeepSeek-R1-Distill-Qwen-14B，多选表现与其相当。实验结果表明，DCRF在降低训练成本的同时，有效强化了大语言模型的司法推理能力。

ICBV:一种基于BERT变分自编码的半监督意图聚类方法

赵锦栎, 勾智楠, 高凯

2026, 48(2): 277-285. doi:

摘要 ( 15 )   PDF (992KB) ( 8 )   　　

意图聚类在自然语言处理中具有重要价值，面对有限的标记数据时，现有方法往往难以捕捉到离散文本表示中复杂的语义信息，并且未标记数据常常包含噪声，直接为其赋予伪标签可能会对模型的训练造成负面影响，因此如何有效利用未标记数据并减少噪声成为关键问题。为了解决这一问题，提出了一种名为ICBV的半监督聚类方法。该方法结合少量有标签数据和基于BERT编码的变分自编码器进行预训练表示学习，并随后在训练阶段采用质心引导策略。ICBV能够对输入文本进行编码并计算潜在变量，从而捕捉数据的潜在空间表示。ICBV相较传统聚类方法，还利用了深度学习的特性，以便更有效地捕捉数据的复杂结构和非线性关系。在BANKING77数据集上的不同已知类比率设置下的实验中，准确率相对最新基线方法有所提高，验证了VAE编码获得潜在变量表示的有效性和聚类方法的鲁棒性。该方法为自然语言处理领域中意图聚类中的标记数据不足和噪声问题提供了一种解决方案。

面向电力运维的知识图谱构建：基于EBOM模型的实体关系联合抽取

王堃, 张馨予, 陈志刚, 阳予晋

2026, 48(2): 286-298. doi:

摘要 ( 14 )   PDF (1061KB) ( 7 )   　　

知识抽取作为构建电力知识图谱的关键步骤，能够从大量非结构化电力文本中准确提取实体和关系。然而，传统的流水线方式存在以下问题：错误信息在识别过程中向后传递，实体识别与关系抽取任务割裂，以及容易产生冗余信息。这些问题导致抽取精确率低、信息不全面，从而影响知识图谱的构建质量。针对这些挑战，提出了一种面向电力信息系统运维领域的实体关系联合抽取模型——EBOM，并对电力信息运维领域常用模型OneRel的目标函数进行了优化，以提升其在电力知识三元组抽取中的精确率。基于电力信息系统运行监控数据和故障文本数据进行实验，构建了电力信息系统运维领域的知识图谱。结果表明，EBOM模型相较于多模块多步骤模型PRGC，在知识抽取精确率上提升了约8个百分点，为电力信息运维领域知识图谱的构建提供了有效支持。

基于双编码器和知识增强的方面情感三元组抽取

邓飞, 韩虎, 穆一茹, 徐学锋

2026, 48(2): 299-308. doi:

摘要 ( 14 )   　　

方面情感三元组抽取旨在从句子中识别方面词，意见词以及相应的情感极性。针对现有研究未充分考虑方面词和意见词之间的关联关系，以及存在语义信息提取不充分和背景知识利用不全面的问题，提出一种基于双编码器和知识增强的方面情感三元组抽取模型。首先，同时使用BERT和Bi-LSTM双编码器从不同层面挖掘句子中的语义信息，并融合外部情感知识增强文本的情感表达；其次，通过位置嵌入的交互注意力对方面和意见之间的关系进行交互迭代学习；最后，利用边界驱动表格填充的方法预测三元组。实验结果表明，该模型与主流模型GTS-BERT相比，在4个公开数据集上的F1值分别提高了9.43个百分点、7.32个百分点、7.43个百分点和4.78个百分点，能够准确地进行三元组的提取。

基于改进的PEGASUS模型与自适应纠错机制的双阶段文本摘要方法

张航, 吴俊

2026, 48(2): 309-318. doi:

摘要 ( 12 )   PDF (1116KB) ( 7 )   　　

为解决抽取式摘要的词语冗余、可读性差以及生成式摘要的语义混乱、逻辑性差和暴露偏差等问题，提出了一种基于改进的PEGASUS模型与自适应纠错机制的双阶段文本摘要方法，采取混合式摘要生成技术。在抽取阶段，利用BERT模型获取文本向量，并结合Bi-GRU与图结构，通过改进的MMR算法有效减少候选摘要的冗余，提高摘要的精确性。在生成阶段，利用PEGASUS模型处理抽取的句子，结合层次聚类技术并引入自适应纠错机制解决了未登录词（OOV）问题，并采用对比学习框架显著降低了暴露偏差。实验结果表明，该方法所建立的模型在NLPCC数据集上ROUGE指标显著提升，与现有混合式方法的模型相比，各指标分别平均提高2.66个百分点、0.84个百分点和1.81个百分点，提高了摘要质量，并在解决未登录词和暴露偏差问题上表现出优越性能。

基于动态依赖驱动与多元特征增强的中文关系抽取

黄明伟, 韩虎, 徐学锋, 王婷婷

2026, 48(2): 319-329. doi:

摘要 ( 25 )   PDF (1430KB) ( 8 )   　　

关系抽取作为自然语言处理(NLP)领域的子任务，旨在从非结构化文本中识别出特定实体对之间的关系。针对现有中文关系抽取研究中存在关键语义特征提取不全面、语法知识的引入附带大量噪声信息的问题，构建一种动态依赖驱动与多元特征增强的中文关系抽取模型。模型分为2个通道，通道1，面向实体对原始依赖解析树进行重构并动态剪枝，去除冗余句法依赖，并通过图卷积网络捕获深层语法特征；通道2，面向实体构建相对位置向量，利用分段卷积对相对位置向量进行片段化特征提取以获取局部语义特征，利用混合注意力机制捕获全局语义特征，通过门控机制融合局部与全局语义特征。最后对2个通道特征表示进行交互融合。实验结果表明，在4个公开数据集COAE2016,SanWen,FinRE和SciRE上所提出模型的抽取效果均优于基线模型。

基于数据增强的对话情绪识别

田宇, 李军辉, 朱苏阳, 周国栋

2026, 48(2): 330-340. doi:

摘要 ( 16 )   PDF (1009KB) ( 6 )   　　

对话情绪识别旨在对一段对话中的每句话进行情绪分类。然而，数据集中的标签分布通常存在显著的不平衡性，针对这一问题，采用基于数据增强的方法，提升模型在标签不平衡情况下的表现。具体而言，利用大语言模型的生成能力，通过回译、句子改写和对话生成3种方法扩充低频标签的数据，并根据余弦相似度和自我编辑距离的调和平均值挑选。在多个数据集上的实验结果表明，利用该方法训练后的模型有效改善了在数据标签不平衡情况下的性能，在加权F1值和少数类样本的识别上，相较于其他前沿模型有显著提升。

基于全景语义和多层次特征融合的方面级多模态情感分析

张洋, 胡慧君, 刘茂福

2026, 48(2): 341-352. doi:

摘要 ( 13 )   PDF (1426KB) ( 7 )   　　

目前，方面级多模态情感分析在相关任务中面临中文数据集匮乏与类别分布不均衡的问题。传统模型在处理情感信息时常忽视词语的局部依赖性，导致全局语义理解不足，难以准确定位情感信息。此外，多模态信息融合过程中难以有效筛选和过滤无关信息，影响情感分类的准确性。为解决这些问题，构建了高质量多模态中文数据集WAMSA，并提出了一种基于全景语义和多层次特征融合的方面级多模态情感分析模型PSMFF。该模型通过全景语义网络模块，将文本特征与语义扩展信息相结合，利用GCN和图编码器捕捉细粒度和粗粒度的语义特征；多层次特征融合模块则通过局部引导提取相关图像特征，利用Transformer增强后，再与文本特征进行全局引导融合，生成丰富的多模态表征。实验结果表明，PSMFF模型在3个数据集上的表现优于多种基线模型。

基于提示学习的少样本情感分类研究

王德兴, 周闯, 袁红春

2026, 48(2): 353-362. doi:

摘要 ( 16 )   PDF (705KB) ( 8 )   　　

针对预训练语言模型基于微调的方法在少样本学习场景下进行情感分类效果不好的问题，提出了一种基于改进提示学习和原型标签映射的少样本情感分类方法。在采用提示学习构建提示模板时，融入原始文本的关键词信息，提高文本中关键信息对标签结果影响的权重；然后在标签映射过程中引入原型网络，学习不同类别的原型向量，根据学习到的原型向量将模型预测结果映射到具体的标签上。在EPRSTMT和SST-2这2个数据集上的实验结果表明，所提方法的模型在少样本场景下的平均准确率指标达到了88.7%和91.9%，相比于微调方法，所提方法的模型的准确率分别提升了15.5%和14.0%；相比于P-Tuning方法，也提升了2.1%和0.7%。实验结果验证了所提方法的模型在少样本场景下的情感分类的有效性。

一种基于预训练语言模型的多特征融合文章对匹配模型

陆顺意, 何庆

2026, 48(2): 363-371. doi:

摘要 ( 20 )   PDF (776KB) ( 6 )   　　

针对传统文本语义匹配方法存在难以深入挖掘文本间深度语义特征及交互关系的问题，提出了一种基于预训练语言模型的多特征融合文章对匹配模型MF-APM。首先，通过数据增强策略对文章内容进行删减，以筛选出关键句子。其次，将增强后的新闻文档输入到具有孪生网络结构的Longformer模型来提取文章内容的深层特征，结合注意力特征融合方法得到文档匹配信息。其次，使用BERT对新闻标题进行交互式编码，将得到的编码向量输入到多头注意力机制中，以提取标题的深层次交互特征，进而获得标题交互信息。最后，通过将标题交互信息和文档交互信息的语义特征通过最大池化特征融合的方式实现文本对关系的预测。此外，在模型训练过程中，还引入了PolyLoss来代替传统的二进制交叉熵损失函数，有效降低了超参数调整的复杂性。将提出的MF-APM与其他匹配模型在CNSE和CNSS这2个数据集上进行比较，实验结果相较于基线模型，MF-APM模型在CNSE和CNSS数据集上的准确率分别至少提升了0.41和1.59个百分点，F1值分别至少提升了4.64和1.66个百分点，有效提升了文章对匹配任务的准确性。

自适应融合的多模态实体对齐方法

王艺焱, 王海荣, 王怡梦, 王文龙

2026, 48(2): 372-380. doi:

摘要 ( 13 )   PDF (836KB) ( 9 )   　　

针对多模态实体对齐存在的特征融合时信息易丢失问题，以及对齐时仅关注联合实体向量导致实体无法被正确对齐的问题，提出了自适应融合的多模态实体对齐方法ADMMEA。该方法利用FastText、ResNet-152和GAT模型提取多模态实体特征，同时获取实体名称、图像和结构数据的特征表示；采用布雷-柯蒂斯(Bray-Curtis)相异矩阵与莱文斯坦(Levenshtein)距离，计算源实体与目标实体间的相似度，生成各模态的距离矩阵；通过自适应融合策略融合图文距离矩阵，将其与结构信息矩阵拼接，得到最终的融合矩阵；利用排序思想匹配对融合矩阵按照相似度分数进行降序排列实现多模态实体对齐。在DBP15K数据集的ZH-EN,JA-EN和FR-EN子数据集上进行方法实验，并将实验结果与JAPE，RDGCN，MOGNN和MIMEA等13种方法进行对比，结果表明ADMMEA在ZH-EN,JA-EN和FR-EN这3个数据集上的Hits@1指标分别达到了0.985,0.995和0.994，证明了ADMMEA方法的有效性。

下载中心更多...

期刊收录

中文核心期刊
中国科技核心期刊
中国科技论文统计分析源期刊
中国科学引文数据库（CSCD）扩展期刊
中国学术期刊综合评价数据库来源期刊
中国期刊网全文入编期刊
中国知网（CNKI）电子版全文入编期刊
万方数据库全文入编期刊
英国《科学文摘》（INSPEC)收录期刊
《日本科学技术振兴机构数据库（中国）》（JSTChina）收录期刊
美国《史蒂芬斯全文数据库》（EBSCOhost）收录期刊
美国《乌利希期刊指南（网络版）》（UlrichsWeb)收录期刊

本刊声明

1. 本刊实行同行专家匿名评审制度。

2. 本刊所发作品仅为作者观点，不代表编委会或编辑部的立场。

3. 本刊对所发作品享有中文专有出版权，请勿一稿多投。

4. 本刊对来稿保留修改权，有特殊要求者，请事先声明。

5. 本刊不以任何形式收取版面费。

6. 本刊对所发论文享有汇编权、翻译权、电子出版权及信息网络传播权、转让权，如有异议，请事先声明。

专题栏目更多...

联系我们

办公地点：中国湖南省长沙市开福区德雅路109号
邮　　编：410073
电　　话：0731-87002567
E-mail　： jsjgcykx@vip.163.com
网　　址：http://joces.nudt.edu.cn

当期目录

刊出日期

栏目

新闻公告更多...

作者中心

审稿中心

在线期刊

下载中心更多...

期刊收录

本刊声明

专题栏目更多...

联系我们

友情链接更多...

当期目录

刊出日期

栏目

新闻公告 更多...

作者中心

审稿中心

在线期刊

下载中心 更多...

期刊收录

本刊声明

专题栏目 更多...

联系我们

友情链接 更多...

新闻公告更多...

下载中心更多...

专题栏目更多...

友情链接更多...