题目：A Survey of Graph-Based Resource Management in Wireless Networks—Part I: Optimization Approaches（无线网络中基于图论的资源管理研究综述（一）：优化方法）

作者：Y. Dai et al

来源：IEEE Transactions on Cognitive Communications and Networking（认知通信与网络汇刊）, vol. 11, no. 4, pp. 2078-2100.

摘要：The evolution of wireless communications and networking technologies has led significantly expansion of the dimensionality of network resources, which compels innovations in resource management. Graphs, a classic discrete mathematical tool, have long been widely used for resource management thanks to their capabilities to model complex relationships and interactions among elements in wireless networks. Recently, resource management over graphs embraces various advanced approaches of graph optimization and graph learning, aligned with evolving demands in future wireless networks. To better learn recent research landscape and explore important trends, this two-part survey provides a comprehensive overview for resource management via graph optimization and learning. Part I presents the fundamentals of graph optimization and provides a recent literature review of graph optimization for resource management in various wireless communication scenarios, including cellular networks, device-to-device communications, multi-hop networks, multi-antenna systems, edge caching and computing, and non-terrestrial networks. Part II gives the basics of graph learning and provides a state-of-the-art literature review of graph learning in wireless networks for addressing various resource management issues, covering power control, spectrum management, beamforming design, task scheduling, and aerial coverage planning. A discussion of technical challenges and future research directions is covered in Part II.

编者译：无线通信与网络技术的发展导致网络资源的维度显著扩展，迫使资源管理进行创新。图作为经典的离散数学工具，因其对无线网络中复杂关联与交互的建模能力而被长期应用于资源管理。近年来，图资源管理融合了图优化与图学习等前沿方法，以满足未来网络的发展需求。为系统梳理研究进展并揭示重要趋势，本综述分两部分对基于图优化与图学习的资源管理进行全面回顾：第一部分阐述图优化基础，并归纳总结了其在蜂窝网络、设备到设备通信、多跳网络、多天线系统、边缘缓存与计算及非地面网络等场景中的最新研究成果；第二部分介绍图学习的基础知识，并归纳总结了其在功率控制、频谱管理、波束赋形、任务调度及空中覆盖规划等资源管理问题上的前沿应用，同时探讨了技术挑战与未来研究方向。

题目：对话式搜索行为研究综述：范式定位、模型构建与行为刻画

作者：孟高慧、刘畅

来源：信息资源管理学报, 2025, 15(4): 24-41.

摘要：在生成式人工智能（GenAI）浪潮带来的发展转折点上，围绕对话式搜索行为研究展开全面综述，以审视新范式如何改变人们对搜索行为的传统认知，梳理该领域的发展现状与局限，并为未来研究提供有价值的方向。 通过归纳总结现有文献在界定对话式搜索中人机交互方式的整体特点、建模用户与代理的行为类别及发展过程、刻画用户或代理的行为特征及关联因素三个方面的研究进展，指出此前研究的主要局限在于研究对象较少涵盖推进客观对话行动的认知和情感活动，研究场景多被限制于人人对话的模拟场景中，以及研究主题少有涉及用户行为表现评价和能力提升。未来研究应继承和发展交互式信息检索领域的认知研究范式，将研究场景拓展至GenAI场景下的真实人机对话中，并将评估以发现更优的用户行为模式作为新的研究重点。

题目：A Survey of Graph-Based Resource Management in Wireless Networks—Part II: Learning Approaches（无线网络中基于图论的资源管理研究综述（二）：学习方法）

作者：Y. Dai et al

来源：IEEE Transactions on Cognitive Communications and Networking（认知通信与网络汇刊）, vol. 11, no. 4, pp. 2101-2122.

摘要：This two-part survey provides a comprehensive review of graph optimization and learning for resource management in wireless networks. In Part I, we introduced the fundamentals of graph optimization and provided a recent literature review of graph optimization for resource management in various wireless communication scenarios. In this part, we first present an overview of graph learning and introduce several modern graph neural network models. Then, a state-of-the-art literature review of graph learning for different resource management issues in wireless networks is provided, which covers power control, spectrum management, beamforming design, task scheduling, and aerial coverage planning. Furthermore, we discuss current technical challenges and future research directions of graph optimization and learning for resource management in future wireless networks.

编者译：本综述分两大部分，全面回顾了图优化与图学习在无线网络资源管理中的应用。第一部分阐释了图优化的基础知识，并对近年来不同无线通信场景中以图优化解决资源管理问题的研究进展进行了评述。本文（第二部分）首先概述了图学习之要义，介绍了几种现代图神经网络模型。随后，围绕无线网络中各类资源管理问题，包括功率控制、频谱管理、波束成形设计、任务调度及空中覆盖规划等，对图学习的最新研究进展进行了评述。最后，针对面向未来无线网络的资源管理，探讨了图优化与图学习当前面临的技术挑战及未来研究方向。

题目：面向人工智能的数据治理框架研究——基于政策文本的构建与展望

作者：周文泓、熊小芳、叶雅寒

来源：信息资源管理学报, 2025, 15(4): 87-98.

摘要：本文对各个国家（地区）发布的人工智能政策进行统计，提取其中与数据治理相关的政策条款，采用内容分析法构建面向人工智能的数据治理框架，并基于现有框架提出优化方向。研究发现，当前政策中面向人工智能的数据治理框架涵盖数据主体、数据对象、数据全生命周期管理、数据保障配置四大层面，具有一定参考价值。同时，面向人工智能的数据治理框架优化构建方向包括强化数据管理机构的参与、凸显专业化资源的建设、补足重点环节、优化阶段性的焦点配置。

题目：空间科学虚拟观测台智能检索系统构建

作者：李云龙、焦琦融、王慈枫

来源：数据与计算发展前沿, 2025, 7(4): 20-32.

摘要：本研究旨在构建一个面向空间科学领域数据的智能检索系统，以解决传统元数据查询方式在语义理解和多模态数据检索方面的不足，提升科研人员对异构空间科学数据的发现效率和准确性。研究基于大语言模型构建动态语义解析机制，结合BM25和稠密向量检索方法实现数据集的混合检索;针对图像和时序数据，采用DINOv2、VISTA、Timer-XL等模型提取内容特征，构建多模态语义索引;系统采用分层架构，集成全文检索与向量数据库，支持自然语言、标签和数据样例等多种查询方式。空间科学虚拟观测台智能检索系统通过融合多种AI模型，显著提升了数据发现的灵活性与准确性，为大规模空间科学数据的高效利用提供了新范式。