课程文献中心 更多>>

摘要： This thesis examines the ability of GPT-4, a state-of-the-art Large Language Model (LLM), to automate the interpretation and summarization of datasets synthesized by sketching algorithms, also called ‘probabilistic data structures’, which serve to simplify the vast influx of data, which is characteristic of the digital transformation. The research questions focus on GPT-4's proficiency in providing succinct, understandable responses and its capability to effectively summarize both small and extensive datasets and its degree of accuracy. The study methodically explores the use of sketching algorithms to condense datasets and evaluates GPT-4’s aptitude in translating these abridged data representations into coherent summaries, thereby bridging the technical complexity of data with its practical understanding. Through structured experimentation with various sketch algorithms, the research assesses GPT-4's utility in dataset summaries. The results are analyzed, weighing the model's precision and the overall effectiveness of language models in automating tasks traditionally performed by data analysts. The final chapter encapsulates the key findings and their significance, outlines the implications of these results, and offers a trajectory for future research, shedding light on the potential enhancements to GPT-4 and the broader application of AI and NLP in data interpretation and summarization. This work contributes to the discipline by elucidating the potential of LLMs like GPT-4 in addressing contemporary data challenges and by laying the groundwork for future advancements in automated data summarization.

关键词： 网络重构   社区发现   EM算法   Bahadur表示   银行间借贷网络   偿付能力传染   系统性风险  

摘要： 在众多复杂系统中,实体间的关系常通过网络结构简化表示。有些关系可直接观测,如科研合作。但更多时候,关系需通过推理识别,如金融机构风险传播、疾病传播或基因调控网络。这时,需从复杂数据中推导出隐藏的网络结构,即网络重构。此外,社区发现在网络分析中至关重要,它反映了具有相似特征或兴趣的群体结构,尤其在社交网络中。随着网络数据量的激增,社区发现已成为网络分析领域的研究热点。本研究基于网络视角研究了复杂数据结构与金融系统性风险。 首先,本文提出了一个用于同时进行网络重建和社群检测的新框架,可以处理丰富但嘈杂的网络数据,并在恢复网络和检测社区的过程中考虑社群内连边之间的依赖关系。该方法通过Bahadur表示整合了社群内连接的依赖性来更好地拟合真实邻接矩阵的分布,并采用了具有相同社群标签的节点共享的两种潜在条件分布的混合模型去模拟数据分布,提供了一种灵活且可解释的建模方法。本文引入了一种简化的广义期望最大化(Expectation-Maximum,EM)算法,用于计算近似的极大似然估计值。本文的方法既能处理离散数据,也能处理连续数据,在区分相似社区方面优于传统方法,数值模拟和实证数据研究验证了这一点。 其次,本文研究了一个金融网络偿付能力传染风险模型,该模型允许在破产之前发生传染扩散,并且可以量化压力测试中的系统性传染损失。需要注意的是,我们通常只能观察到这种网络中的总负债和总资产。为克服这一问题,本文采用贝叶斯方法生成银行间负债矩阵的样本。本文将这一方法应用于中国商业银行网络。结果表明,该网络的系统性传染损失高度依赖于感知到的外生恢复率。在压力测试中,本文分析了由所有者权益和风险敞口导致的偿付能力传染损失。本文发现,网络的传染损失呈现下降趋势,表明网络更加稳健。 最后,为深入研究金融网络的风险传染模式,本文整合了商业银行间的短期和长期借贷数据,利用扩展的偿付能力和破产传染模型对中国和美国的银行间借贷网络分别进行了压力测试。结果表明,利用银行资产信息重建的短期贷款网络呈现出以系统重要性银行为核心的核心-外围结构。并且,不考虑长期借贷数据的银行间借贷网络在市场状况不佳时会低估网络的系统性风险。

关键词： 计算机算法   数据结构  

ISBN: (纸本)9787115636690

摘要： 本书是一本借助演示动画来讲解算法和数据结构的入门书。书中首先介绍阅读本书所需的最低限度的编程知识和基本概念。然后针对各个算法和数据结构, 在指出其解决的问题后, 通过空间结构、数据、时间结构 (算法流程)、计算4个方面详细讲解。最后介绍相关的伪代码和应用示例。本书涉及的算法与数据结构较为全面, 通过基于动画的可视化、详细的介绍和伪代码三方面进行讲解, 帮助读者直观掌握各算法和数据结构的动作原理。

关键词： 数据结构   电子计算机  

ISBN: (纸本)9787560670355

摘要： 本书重点介绍了计算机学科中常用的数据结构(包括线性表、栈、队列、串、数组、树、图)的基本概念、逻辑结构、存储结构和在不同存储结构上操作的实现，还介绍了许多经典的查找与排序算法的各种实现过程，并进行了综合分析比较。本书采用C语言描述算法。全书共10章，具体包括绪论、线性表、栈和队列、串、数组利广义表、二叉树与树、图、查找、排序、经典算法介绍。

关键词： 泛在学习   六层递进   知识内化   课程教学创新   在线实训  

摘要： 从“课程内容、课堂教学方法、实践模式”等方面分析了传统的数据结构与算法课程存在痛点问题，提出构建泛在学习环境，“懂—通—熟—精—化—神”六层递进教学模式创新改革思路并实施，实现了知识的三层内化，保障学生的知识目标、能力和素养目标、情感目标的达成。

摘要： This thesis explores the performance characteristics and potential bottlenecks of using the p4est library for mesh management in a Monte Carlo particle Wigner simulator. The goal is to develop a benchmark library which encompasses all features needed for a Monte Carlo particle Wigner simulation, while working as a minimal working example of these features to determine where bottlenecks lie. This benchmark library is then run on the VSC5, where the runtime is used as the performance measurement and recorded for every part of the benchmark. The results of this benchmark show that p4est is a strong candidate for a mesh library in the next iteration of the ViennaWD. The benchmark focuses on the generation and deletion of particles, the communication between processors, and the connection between particles and cells in the mesh, which is the most compute intensive part of the benchmark. There are a number of design choices made in the benchmarking library relating to data storage, communication strategy, and particle generation events. A two-dimensional array is used to store all particle data, either as an Array of Structs (AoS), each struct representing a single particle, or a Struct of Arrays (SoA) where each array represents a variable, stored for each particle. Communication is introduced both in a one-shot method as well as a round-based method. Each individual step of the benchmark is then timed to find its performance characteristics with a different number of particles, mesh elements, and processes in the benchmark, expanding to multiple nodes of the VSC cluster for large simulations. Performance scaling with increasing processor count is found to be linear when in a load balanced state. Scaling with increasing particle count is found to be roughly linear, although a communication bottleneck limits the quality of data for this benchmark. Performance scaling with increasing number of mesh cells is found to be extremely strong, decreasing runtime by two orders of

关键词： 数据库   数据结构   学习索引   字符串  

摘要： 随着互联网的发展,数据量爆炸性增长,特别是字符串类型的数据,如URL、用户ID等,其处理效率直接关系到数据库性能。传统的索引方法如B树、哈希表等,虽然在某些应用场景下表现良好,但面对大规模、高动态性的字符串数据,这些方法要么索引效率不高,要么空间利用率低。学习索引(Learned Index)作为一种新兴的数据结构,通过机器学习模型预测数据位置,显示出了处理大规模数据集时的潜力,尤其是在数值型数据上的应用成果显著。然而,如何有效地将学习索引应用于字符串类型的数据上,仍是一个待解决的挑战。本研究提出的SLIPP(String Learned Index with Precise Positions)索引通过结合了Trie树结构和学习索引的特点,不同于以往的学习索引将字符串整个作为模型的输入,SLIPP将字符串分割成多个片段,并对每个片段使用独立的机器学习模型进行索引。这种设计不仅充分利用了字符串的局部性特征,降低了用机器学习模型处理字符串类型数据的复杂度,提高了模型推理速度,而且通过精简模型参数,有效降低了内存占用。此外,SLIPP通过精确预测数据的存储位置,从而避免了学习索引的“最后一英里”搜索问题,实现了快速的数据访问。为了验证SLIPP索引的性能,本研究在多个数据集上进行了广泛的实验,包括随机生成的字符串数据集和真实世界的URL数据集。实验结果表明,与现有的支持字符串处理的学习索引方法相比,SLIPP在查询效率、空间占用以及索引构建时间上都有显著的优势。特别地,SLIPP显示出了其出色的空间效率。这些实验不仅证实了SLIPP索引的理论设计的有效性,也展示了其在实际应用中的潜力。虽然SLIPP索引在多个方面展现了优异的性能,但在处理具有高度重复前缀的字符串数据时,其性能仍有待优化。未来的研究将进一步探索新的模型优化策略和索引结构调整机制,以提高SLIPP索引在更广泛数据分布情况下的适应性和效率。此外,如何设计高效的并发控制机制以充分利用多核心处理器的硬件资源,也是未来工作的重点之一。 总之,SLIPP索引作为一种新型的面向字符串的学习索引,其高效的数据处理能力和低内存占用特性,使其在现代大规模内存数据库中具有广泛的应用前景。通过持续的优化和改进,有望为数据库索引技术的发展开辟新的方向。

关键词： 数据集构建   命名实体识别   关系抽取   课程知识图谱   问答系统  

摘要： 近年来,国家大力支持智慧教育产业和人工智能产业,促进了教育信息化的发展。各类智慧教育课程和平台涌入大众视野,为用户学习带来便利的同时也引发了一个问题,即对于那些知识点较多的课程,特别是数据结构这类逻辑性强、抽象概念多且与其他专业课程联系紧密的课程,学习者在自学过程中很容易遇到抽象概念难以理解,知识关系难以掌握的问题。因此有必要对数据结构课程中的知识和知识间关系进行梳理。 数据结构课程中知识实体专业性强,针对该课程进行的命名实体识别和关系抽取研究较少,且当前主流研究所用的预训练模型缺乏特定领域知识。为解决这些问题,通过对收集的教材和网络资源进行分析整理,本文构建了可用于数据结构课程知识点实体识别和关系抽取的数据集,并以该数据集为研究对象,提出一种基于增量预训练和多语义特征融合的命名实体识别模型,以及一种融合序列信息和对抗训练的Cas Rel改进模型。该命名实体识别模型首先采用DSRo BERTa增量模型进行文本表征得到词嵌入向量,其中DSRo BERTa是通过在大量计算机相关语料上,对现有的Ro BERTa模型进行增量预训练得到的。接着引入对抗训练对每个嵌入向量进行扰动,将经过对抗扰动处理的样本输入到多语义特征捕获层,以进行更深入的特征提取,最后将输出的特征向量送入解码层进行修正并输出。该关系抽取模型同样先采用DSRo BERTa增量模型将丰富的先验知识迁移到本任务中,接着在Cas Rel模型的头实体解码层的基础上,利用双向长短时记忆网络捕获上下文潜在语义特征,之后通过多头注意力机制使模型专注于序列中的关键信息,提升模型对头实体位置的识别能力,经过尾实体解码层,最终抽取出序列中的三元组。另外,在关系抽取模型中引入对抗训练,提升了模型的鲁棒性和泛化能力。 实验结果显示:在自建数据集上,本文提出的命名实体识别模型准确率、召回率和F1值分别达到了96.12%、95.30%和95.71%,识别效果高于实验对比模型;本文提出的关系抽取模型与Cas Rel模型相比,F1值提升了1.2%,表明该模型对知识关系抽取的有效性。最后,本文利用抽取出的知识实体和关系构建了面向数据结构课程的知识图谱,并基于该知识图谱,结合Flask、TailwindCSS等Web框架,设计开发了数据结构课程知识问答系统。该系统能够高效地回答课程相关的问题,实现了课程知识图谱与学习者的双向交互,推动了知识图谱对学科教育信息化的建设。

关键词： 数据结构   多智能体系统   跨学科融合  

摘要： 随着信息技术的快速发展，数据结构作为计算机科学与工程的基础课程，其重要性日益突出。然而，传统教学面临理论抽象和学生理解困难的挑战。为此，本文提出了一种创新教学模式，即将多智能体控制系统融入数据结构课程。通过跨学科整合，学生不仅掌握数据结构的基本概念，还能理解其在多智能体系统中的实际应用。本文探讨了多智能体系统的基本原理及其与数据结构的结合，设计了一系列教学模块，旨在通过案例驱动的教学和实践项目提升学生的动手能力和团队合作精神。最后，提出了多元化评估方法用以分析学生的学习表现和反馈，为未来的教学改进提供依据。