摘要:在多人群聊会话中，判断群聊历史消息之间的回复关系是对话领域的一项重要任务。现有的相关工作还未关注并解决以下两个数据分布方面的问题：长度较短的消息往往出现的频率更高，而短文本包含的语义信息较少，限制了模型的学习能力；存在回复关系的正样本数量往往远少于负样本数量，导致模型在训练过程中容易出现数据偏斜问题，降低了模型处理正样本的性能。针对这两个问题，该文提出了一个基于预训练语言模型的改进模型，首先通过动态查询窗口建模来缓解短文本相关问题；然后通过位置驱动正例权重优化来应对正样本相关问题。该文在公开数据集上与前人研究工作进行了比对，实验结果表明，该文工作在召回率和F-1指标上分别达到了62.2%和59.4%，比基线模型平均提高了15.7%和8.5%。此外，该文构建了采集自Telegram平台的新数据集，为后续相关研究提供数据支持。

摘要:在摩尔定律接近极限，下一代集成电路技术难度大且成本激增的背景下，先进的封装基板是支持系统集成以及巨量I/O提升的重要载体，是后摩尔时代的核心部件之一。基于积层绝缘胶膜(Build-up Film，BF)材料的半加成法工艺是实现细间距多层封装基板的主要途径之一。鉴于电子设备在高频高速场景下运行时信号完整性问题日益凸显，本文深入探讨了BF材料及结构特征对信号传输损耗的影响。基于微带线、过孔等典型基板结构，通过电学仿真分析系统研究了BF材料参数与信号传输性能之间的关系。研究发现，在微带线结构中，信号传输损耗随频率的增加而增大，且这一损耗与BF材料的介电损耗因子密切相关。而在过孔结构中，BF材料的介电常数对等效电容和阻抗极值有显著影响，进而影响阻抗的不匹配度。尽管BF材料特性对阻抗不匹配有一定影响，但过孔结构本身的设计仍是影响阻抗匹配度的主要因素。此外，高频下导体趋肤效应导致的导体损耗随着铜箔粗糙度的增加而增加，这为封装基板制造过程中的铜箔质量控制提供了重要参考。本研究揭示了BF材料及结构特征对信号传输损耗的影响机制，为BF材料物性及封装基板的设计和优化提供了理论依据。

摘要:在加密移动应用程序流量分类领域，传统方法都是基于双向流量的特征对流量进行分类，但在实际场景中，不对称路由会导致远程监控者只能获得单向流量，使得传统方法分类准确率下降。因此本文设计一种只使用单向流量特征的加密移动应用程序流量分类方法。由于下行流量包含的信息多于上行流量，本文选择对下行流量的有效负载进行分析。由于移动应用程序流量具有时间和空间的相关性，提出使用双向长短期记忆网络捕获数据流的时序相关性、使用卷积神经网络学习特征的空间相关性，并引入注意力层关注重要特征来进一步提高分类准确率。该方法相较于之前的方法，它的使用范围更广，能够同时适用于单向流量和双向流量场景，使用更少的特征获取更高的准确率。

摘要:数据溯源技术可以记录和追踪敏感文档的来源，从而防止文档泄露。传统的网络通路溯源对离线文档缺乏有效跟踪机制，基于加密文件的密钥追踪对共享文件不能保证有效溯源，现有的标注法、反向查询和数据水印技术，往往需要用户参与并在应用层实现，导致溯源的安全力度不够，缺乏透明性和灵活性，系统的整体扩展性不足。该文提出了一种创新的基于脚本的动态指纹溯源架构，该架构基于Linux内核实现底层溯源，加强文档溯源的安全性和透明性；基于用户脚本实现指纹追踪算法，提升文档溯源的灵活性和有效性。同时面向多负载共享需求设计指纹驱动算法，确保文档共享的高效性和可扩展性。经验证，本架构对操作系统的影响极小，同时具备出色的可扩展性。在处理单个或多个负载共享的场景时，指纹驱动算法展现了其透明性、实时性和高效性。

摘要:本研究在眼科图像疾病识别中引入了视觉语言模型这一新的范式，提出了一种基于对比语言图像预训练模型的多疾病识别算法。首先，基于多个公开可用的眼底图像数据集构建了一个含有8个类别的多标签眼底图像数据集MDFCD8；然后利用生成式人工智能GPT-4生成描述眼底图像细粒度病理特征的专家知识，解决了眼底图像数据集文本标签缺乏的问题。实验结果表明，与传统的卷积神经网络和Transformer网络相比，本文提出的方法在性能上分别高出4.8%和3.2%。同时，本文还进行了各模块的消融实验，验证了该方法的有效性，显示了视觉语言模型在眼科疾病辅助诊断领域的应用潜力。

摘要:腺样体肥大是导致儿童阻塞性睡眠呼吸暂停综合征的主要因素。医生通过内窥镜影像评估腺样体肥大程度及其对气道的阻塞程度。然而，由于内窥镜影像为二维图像，医生只能臆测患者腺样体区域的三维结构。这种方法严重依赖医生的相关经验和对腺样体的观察角度。腺样体区域为人体黏膜组织，且表面具有鼻腔分泌物，因此具备强反光、特征稀少、场景光滑、图像模糊等特点。根据腺样体特点，该文提出了一种基于腺样体鼻咽腔内镜图像序列的多视图三维重建算法。算法首先采用多视图立体匹配技术获取图像对应深度图的粗糙估计，然后使用网格曲面在深度空间中对粗糙的深度信息进行拟合，从而得到平滑、精细的深度图，最终通过点云融合算法获得腺样体区域稠密、精确的三维重建。仿真与真实实验表明，该文算法基于腺样体内窥镜图像序列，可实现精确、稠密和平滑的腺样体区域三维重建，并且重建结果显著优于现有三维重建算法。

摘要:基于鲹科鱼的推进模式，采用鱼鳍模块化设计，设计了一款结构紧凑、成本低廉、高效游动的小型单关节仿生机器鱼，可以方便地对胸鳍、腹鳍和尾鳍进行拆装，对仿生机器鱼的直线推进、静止转弯、鱼头稳定性进行了水下实验，从而研究胸鳍和腹鳍对游动性能的影响。在样机游动测试中，采用了一台高速相机和一面平面镜构建的记录机器鱼运动的“双目视觉系统”，可以对鱼头最前端以及质点上方两处标记点进行追踪并记录三维位置信息，为机器鱼游动的游动性能、姿态变化以及头部稳定度的定量分析提供数据支持。结果表明：机器鱼具有良好的直线推进性能和转弯性能；在稳定性实验中装配上胸鳍和腹鳍的机器鱼头部稳定性在低频游动时更优，而在高频游动时没有显示出优势，这也和自然界中鱼类在高频游动时除尾鳍外的各种鳍紧贴身体的现象相一致。

摘要:LOGO是一种新的分布式计算框架，与流行的MapReduce计算框架不同，LOGO框架下的大数据分布式计算由两步操作完成，即LO操作在节点虚拟机内运行串行算法完成一个随机样本块的独立计算，产生局部计算结果；GO操作将所有局部结果上传到主节点，在主节点内对局部结果做集成，得到大数据的近似计算结果。LOGO计算框架执行迭代算法时，消除了节点间的数据通信，极大地提高了分布式计算的效率，降低了内存需求，提高了数据扩展性。本文介绍基于LOGO计算框架自主研发的一种新型分布式机器学习算法库RSP-LOGOML。新型分布式计算由LO操作执行的串行算法和GO操作执行的集成算法两部分组成，LO操作直接执行已有的机器学习串行算法，不需按MapReduce编程模型对算法重写，GO操作对串行计算结果进行集成。本文阐述LOGO分布式计算的原理、算法库架构、串行算法封装和GO操作集成策略，展示Spark实现、App应用开发和多种算法测试结果。

摘要:通过制造支架来模拟人体微环境是生物医学领域的一大成就。然而，寻找理想生物支架的工作仍处于起步阶段，仍需要克服重大挑战。目前，天然物质对科学界有更大的吸引力，因为它们具有超强的生物能力、低成本、可生物降解性，并且比合成实验室制造的产品毒性更小。壳聚糖 （CS） 是一种著名的多糖，最近因其生物活性而备受关注，尤其是在 3D 骨组织工程 （BTE） 中。壳聚糖与天然组织非常相似，因此是生物打印的热门候选。本文重点综述了基于CS支架发展的潜力以及骨治疗的缺点。壳聚糖纳米复合材料具有较强的机械强度、吸水能力、细胞相互作用和生物降解特性。壳聚糖衍生物还提供了不同的治疗途径，并且具有较强的生物活性。 3D 定制生物打印为设计和制造具有生物、机械和地形特性的支架打开了新的大门。

摘要:在当今的数字时代，Nginx已成为Linux系统上最为普及的Web应用服务器，占据了市场份额第一名。鉴于其在确保用户服务质量方面的关键作用，对Nginx性能的优化显得尤为重要。尽管Nginx服务器广泛部署于X86和ARM这两种主要的硬件架构之上，迄今为止，针对这两种架构下Nginx性能调优的对比分析尚处于空白。本研究旨在填补这一缺口，通过对比这两种架构的系统参数自动调优效果，揭示了显著的差异性结果：在处理动态请求的场景下，X86架构的性能明显胜过ARM架构，其P99延迟比ARM低达515毫秒，性能提升高达287%。反之，在处理静态请求时，ARM架构则展现出更加卓越的表现，其P99延迟比X86低220毫秒，性能提升达到了60%。这一发现突出了X86和ARM架构在不同类型的负载处理上的特定优势，并明确指出了不同硬件架构对于Nginx性能优化策略的显著影响。因此，系统管理员在针对不同硬件架构进行Nginx优化时，必须考量架构特有的静态与动态请求之间的性能差异和迭代效率，以确保最佳性能表现。