作者：张丽丽、黎建辉

来源：数据与计算发展前沿. 2022, 4(6): 92-104.

摘要：科研信息基础设施建设是支持科技创新、社会治理与全球合作的坚实基础，需要配套强有力的治理模式来推进实施。本研究围绕科研信息基础设施，构建了包括组织模式、服务模式和运营模式在内的三维治理框架，遴选了国内外十余个案例进行比较分析。科研信息基础设施建设要点包括：组织层，应把握中心化与去中心化组织架构的平衡;服务层，技术的去中心化与纵深生态系统建设值得关注;运营层，需建立动态、完整、开放、效率与公平兼顾的成本与收益计量方法、激励机制。此外，面向开放科学范式的一体化治理体系还需聚焦场景、资源特质，并覆盖科研全生命周期。资源的开放融合，技术架构的联邦化与互操作，服务场景化、智能化，运营管理安全可信，成为当前科研基础设施发展的重要趋势。良好的治理模式，需综合考量上述各要素，并应伴随技术发展与科研范式的变化而革新。

题目：“东数西算”背景下算力服务对算力经济发展影响分析

作者：栗蔚、王雨萌、立言、赵伟博、苏越

来源：数据与计算发展前沿. 2022, 4(6): 13-19.

摘要：结合“东数西算”背景与算力服务产业实践，为算力经济发展的问题提供有效建议。首先对“东数西算”工程背景、现状情况等进行了深入研究，并与算力服务产业内相关厂商进行交流调研、企业访谈，然后分析出在此背景下，算力经济发展所面临的问题，最后针对问题得出综合性改进建议。当前算力经济主要面临着政策、标准缺乏，基础设施能力不足，区域间发展不平衡的问题;需做到完善相关政策，加快技术探索实践，实现资源的充分共享。随着“东数西算”工程的不断推进，算力服务将有针对性地从多方面对算力经济的发展起到促进性的影响，而算力经济的发展将进一步促进我国东西部经济均衡发展，算力经济必将迎来新模式、新业态。

题目：数字人文中的可视化

作者：罗煜楚、吴昊、郭宇涵、谭绍聪、刘灿、蒋瑞珂、袁晓如

来源：大数据. 2022, 8(6): 74-93.

摘要：信息技术的发展推动了科学研究范式的转变。近年来，社科人文领域也逐渐发展出了数据驱动的研究方式。从可视化的角度，对国际数字人文大会论文进行分析，从任务、数据和应用视角3个层面总结了当前可视化在数字人文中的应用现状。通过分析从人文、可视化技术、艺术3种角度出发的数字人文项目，揭示了多学科交叉对提高数字人文与可视化结合项目质量的巨大潜力。同时，分享了北京大学在探究这种多学科交叉合作新范式的实践，包括交叉人才的教育、学科交叉融合的科普以及相关智能可视化技术的研究等方面。最后讨论了通过探索更好的人与人之间合作及人与计算机之间的协作来促进数字人文与可视化学科交叉发展的展望。

题目：融合信任隐含相似度与评分相似度的社会化推荐

作者：周寅莹、章梦怡、余敦辉、朱明

来源：计算机应用. 2022, 42(12): 3671-367.

摘要：针对现有的社会化推荐算法大都忽略了物品间的关联关系对推荐精度的影响，并且未能将用户评分与信任数据进行有效结合的问题，提出一种融合信任隐含相似度与评分相似度的社会化推荐算法（SocialTS）。首先，将用户间的评分相似度与信任隐含相似度进行线性组合以得到用户间可靠的相似朋友；然后，将信任关系融入到项目的相关性分析中，从而得到修正后的相似项目；最后，将相似用户、项目作为正则项添加到矩阵分解（MF）模型下，从而获取用户、项目更准确的特征表示。实验结果表明，当潜在特征维度为10时，与主流的社会化推荐算法TrustSVD相比，SocialTS在FilmTrust和CiaoDVD数据集上的均方根误差（RMSE）分别降低了4.23%和8.38%，平均绝对误差（MAE）分别降低了4.66%和6.88%。SocialTS不仅可以有效改善用户冷启动问题，还能较为准确地预测不同评分数量下用户的实际评分，且具有良好的鲁棒性。

题目：基于双曲空间图嵌入的科研热点预测

作者：戴筠

来源：大数据. 2022, 8(6): 94-104.

摘要：预测科研热点可以有效地开展科学研究和更好地分配科学资源。数据挖掘和机器学习算法已经被广泛应用到科研热点预测中，比如基于论文文本内容的主题模型建模和挖掘论文被引频次的算法等。提出一种新的将关键词信息嵌入双曲空间的双曲空间关键词图嵌入（PKGM）算法，利用关键词和它们之间的关系构建一个关键词网络，通过计算双曲空间中两个节点的距离来判别两个节点之间存在边的概率，从而对科研热点进行预测。该算法与7个基准算法的实验比较结果显示，PKGM算法与效果最好的欧氏空间嵌入算法相比有7.3%的AUROC和5.8%的AP提升；与双曲图神经网络算法相比，有10.8%的AUROC和7.2%的AP提升。这显示了PKGM算法的有效性。

题目：欧盟开放数据和公共部门信息再利用指令的启示

作者：张群、尹卓、于浩、王为中、贾晓杰

来源：大数据. 2022, 8(6): 143-152.

摘要：公共数据开放利用有利于促进数字经济高质量发展。我国积极出台相关政策引导公共数据开放利用，多个地方出台了有关公共数据开放利用的地方规章和法规条例，但国家层面尚缺少针对公共数据开放利用的法律法规。与我国相比，欧盟持续发布和修订公共数据开放利用相关指令，加快促进数字经济领域技术创新。梳理了我国公共数据开放利用的相关做法，分析了欧盟开放数据和公共部门信息再利用指令的主要内容，结合我国国情，提出对我国公共数据开放利用的相关启示，希望为进一步完善我国公共数据开放利用政策法规和机制、推动我国公共数据深度共享和有序开放提供借鉴。

题目：我国人工智能与社会科学耦合发展的热点与趋势研究——基于CiteSpace的文献计量分析

作者：刘嘉琪、杨斌艳

来源：数据与计算发展前沿. 2022. 4(6): 77-91.

摘要：本文利用科学计量工具CiteSpace，对中文CNKI数据库中1992—2021年我国“人工智能+社会科学”领域的相关文献进行发展态势、演变历程、前沿热点等方面的分析。我国“人工智能+社会科学”研究整体呈现“局部起伏波动，总量持续增长”趋势。研究层次呈现强技术驱动性，跨学科形成“两强多面”格局。小规模学术圈层逐渐形成，复合型高产学者仍很稀缺。研究前沿正逐渐由以“机器人”、“计算机视觉”、“知识工程”等为主的热点词汇，过渡到“智能时代”、“算法治理”、“数字经济”等主题中。人工智能为社会科学研究带来了研究范式转换与范围变化的同时，也强化了人类多视角、全方位、全领域的观察能力，提升了社会科学的解释与预测精度。本文结论有助于为社会各界合力推动人工智能社会科学学科化发展提供有益参考。

题目：深度学习的可解释性研究综述

作者：李凌敏、侯梦然、陈琨、刘军民

来源：计算机应用. 2022, 42(12): 3639-3650.

摘要：近年来，深度学习在很多领域得到广泛应用；然而，由于深度神经网络模型的高度非线性操作，导致其可解释性较差，并常常被称为“黑箱”模型，无法应用于一些对性能要求较高的关键领域；因此，对深度学习的可解释性开展研究是很有必要的。首先，简单介绍了深度学习；然后，围绕深度学习的可解释性，从隐层可视化、类激活映射（CAM）、敏感性分析、频率原理、鲁棒性扰动测试、信息论、可解释模块和优化方法这8个方面对现有研究工作进行分析；同时，展示了深度学习在网络安全、推荐系统、医疗和社交网络领域的应用；最后，讨论了深度学习可解释性研究存在的问题及未来的发展方向。