The mass,fake news,and cognition security

The widespread fake news in social networks is posing threats to social stability, economic development, and political democracy, etc. Numerous studies have explored the effective detection approaches of online fake news, while few works study the intrinsic propagation and cognition mechanisms of fake news. Since the development of cognitive science paves a promising way for the prevention of fake news, we present a new research area called Cognition Security (CogSec), which studies the potential impacts of fake news on human cognition, ranging from misperception, untrusted knowledge acquisition, targeted opinion/attitude formation, to biased decision making, and investigates the effective ways for fake news debunking. CogSec is a multidisciplinary research field that leverages the knowledge from social science, psychology, cognition science, neuroscience, AI and computer science. We first propose related definitions to characterize CogSec and review the literature history. We further investigate the key research challenges and techniques of CogSec, including humancontent cognition mechanism, social influence and opinion diffusion, fake news detection, and malicious bot detection. Finally, we summarize the open issues and future research directions, such as the cognition mechanism of fake news, influence maximization of fact-checking information, early detection of fake news, fast refutation of fake news, and so on.     

Protein interaction networks: centrality,modularity, dynamics,and applications

In the post-genomic era, proteomics has achieved significant theoretical and practical advances with the development of high-throughput technologies. Especially the rapid accumulation of protein-protein interactions (PPIs) provides a foundation for constructing protein interaction networks (PINs), which can furnish a new perspective for understanding cellular organizations, processes, and functions at network level. In this paper, we present a comprehensive survey on three main characteristics of PINs: centrality, modularity, and dynamics. 1) Different centrality measures, which are used to calculate the importance of proteins, are summarized based on the structural characteristics of PINs or on the basis of its integrated biological information; 2) Different modularity definitions and various clustering algorithms for predicting protein complexes or identifying functional modules are introduced; 3) The dynamics of proteins, PPIs and sub-networks are discussed, respectively. Finally, the main applications of PINs in the complex diseases are reviewed, and the challenges and future research directions are also discussed.     

一种针对复杂曲面的快速自由交互拾取算法

三维模型的交互拾取作为最直观的人机交互方式,在各个领域都有广泛地应用,如几何建模、 3D 游戏和有限元分析等。针对目前含有复杂曲面模型的拾取效率和拾取自由度低等问题,提出了一种对复杂 曲面的快速自由交互拾取算法。首先采用一种类似画刷的工具,对画刷在屏幕中移动的路径进行离散,接着对 每一个离散点应用基于 BVH 结构的单点拾取法来拾取复杂曲面,然后用 2 个哈希结构降低算法的响应时间, 最后对该算法进行了验证。     

基于细粒度特征交互的推荐模型

随着电子商务的兴起,用户在网购的同时留下了大量的评论。用户评论通常包含丰富的用户兴趣和项目属性等语义信息,反应了用户对项目特征的偏好。近年来,许多基于深度学习的方法通过利用评论进行推荐,并取得了巨大成功。这些工作主要是采用注意机制来识别对评分预测很重要的词或方面。它们单一的从评论中提取特征信息,并通过用户和物品的特征交互得到预测分数。然而,过度的聚合可能会导致评论中细粒度信息的丢失。此外,现有的模型要么忽略了用户和项目评论的相关性,要么只在单个粒度上构建评论特性交互,这导致用户和项目的特征信息不能被有效而全面地捕获。针对上述问题,在本文我们考虑通过从评论的多个粒度捕获特征信息,然后为用户和物品进行多粒度下的特征交互,可以实现更好的评分预测和解释性。
为此,我们提出了一种新的用于评分预测的细粒度特征交互网络（FFIN）。首先,模型并没有将用户的所有评论聚合成一个统一的向量,而是将用户和物品的每条评论单独建模,通过堆叠的扩展卷积分层地为每个评论文本构建多层次表示,充分地捕获了评论的多粒度语义信息;其次,模型在每个语义层次上构建用户和物品评论的细粒度特征交互,这有效避免了单粒度交互导致的次级重要信息被忽略的问题;最后,由于用户的评论行为通常是主观且个性化的,我们没有使用注意力机制来识别重要信息,而是通过类似于图像识别的层次结构来识别高阶显著信号,并将其用于最终的评分预测。我们在6个来自Amazon和Yelp的具有不同特征的真实数据集上进行了广泛的实验。我们的结果表明,与最近提出的最先进的模型相比,所提出的FFIN在预测精度方面获得了显著的性能提升。进一步的实验分析表明,多粒度特征的交互,不仅突出了评论中的相关信息,还大大提高了评分预测的可解释性。     

库水-重力坝-无限地基系统地震响应分析

为了分析库水以及无限地基辐射阻尼对库水-重力坝-无限地基系统的地震响应影响,通过比例边界有限元法、有限元法以及无限单元法计算了库水-重力坝-无限地基系统的响应.基于SBFEM计算上游坝面库水压力,利用无限单元法分析无限地基辐射阻尼的影响,以Koyna重力坝为研究对象,给出了重力坝在不同地基弹性模量条件下地震位移时程以及应力的响应,随着地基弹性模量的增加,坝体响应增加.与无质量地基模型的计算结果进行对比,考虑无限地基辐射阻尼的计算结果较小.     

基于手势的交互式三维场景并行光线跟踪绘制研究

利用光线跟踪可以绘制出高质量的真实感场景画面,但计算量很大,难以实现实时交互式绘制.为此,三维真实感场景的实时交互式绘制往往需要用到集群,但集群的绘制速度是由绘制速度最慢的节点决定的,如果节点之间的任务没有被划分均匀,集群的绘制效率就会下降.为了满足实时交互式绘制的要求、提高集群的绘制效率,设计了在粗粒度和细粒度两个层次上同时实现并行计算的集群绘制系统,并针对集群的负载均衡问题提出了基于像素递归深度的负载均衡方法.该方法首先统计出每个像素的递归深度从而得到整个场景的递归深度图,然后对上一帧按递归深度进行均衡划分.根据连续两帧所对应的场景具有的时空相关性,上一帧的划分结果可作为下一帧划分的依据.本算法的优势在于能够快速实现三维动态场景下的集群负载均衡.实验表明,该集群绘制系统可以高效地实现基于Kinect的实时交互式绘制.     

一类转子-密封系统中的气流激振动力学分析

研究了一类在三维转子-密封系统中,以稳定气体流动,转子轴心为原点,圆柱坐标系(r,θ,σ)下的流体激振现象.通过4种边缘假设推导出系统的三维气体激振方程,并分析了该系统的流固耦合振动特性.     

近距多座并行桥梁墩前壅水研究

为了研究近距多座并行桥梁的壅水规律,在分析了单座桥梁的壅水规律后,类比应用到两座并行桥梁壅水的研究中且得到相应的规律,然后基于这些成果可达到研究目的。研究结果表明,如果被动影响桥梁位于主动影响桥梁的下游,则主动影响桥梁的壅水除了受自身阻水影响外,还要附加上被动影响桥梁的壅水对其带来的正影响作用;反之,则会受到被动影响桥梁的壅水对其带来的负影响,且影响系数都会随着两桥的桥间距增大而减小。假设并行桥梁的壅水仅仅两两影响时会形成修正壅水,且该修正壅水对其它桥梁产生重复的二次影响后会无限接近真实壅水。在这个前提下,总结出多桥并行时各桥壅水的经验公式。     

基于局部结构交互的RNA假结预测

基于RNA局部结构间的交互作用,提出一种含假结的RNA二级结构预测新方法LIFold。对给定的RNA序列,首先通过能量计算得到不含假结的能量最优结构,然后应用局部结构交互配对生成假结茎区,在已得到的最优结构基础上构建含假结的能量计算模型,最后通过优化算法得到含假结的RNA二级结构。应用该方法基于HotKnots测试数据的敏感性和阳性预测值(PPV)分别达到84%和80%,基于PseudoBase数据库测试数据的敏感性和阳性预测值分别达到78%和73%,与HotKnots、ILM、PknotsRG、IPknot及FlexStem等知名软件相比较,准确率均有所提高。     

情绪智力对高校教师的多层次影响实证研究

研究采用多层次数据统计软件,探讨情绪智力对高校教师职业成长、教学方式与教学质量的影响关系。采用跨层次分析468份问卷后发现:教师情绪智力对学生课程认同与教师认同具有正向影响,这种影响是通过教师情绪智力改变教师职业成长与教学方式的机制加以传导。通过上述实证检验,阐述了当前教师情绪智力对高校教学质量影响的重要作用,建议高校在教师选拔与培养的过程中不仅需要关注其科研水平的提升,也应当关注其情绪智力的培养,从而提高整体教学质量。