题目：Medical Knowledge Graph: Data Sources, Construction, Reasoning, and Applications

作者：X.Wu, J.Duan, Y.Pan, M.Li.

来源：Big Data Mining and Analytics, vol. 6, no. 2, pp. 201-217.

摘要：Medical knowledge graphs (MKGs) are the basis for intelligent health care, and they have been in use in a variety of intelligent medical applications. Thus, understanding the research and application development of MKGs will be crucial for future relevant research in the biomedical field. To this end, we offer an in-depth review of MKG in this work. Our research begins with the examination of four types of medical information sources, knowledge graph creation methodologies, and six major themes for MKG development. Furthermore, three popular models of reasoning from the viewpoint of knowledge reasoning are discussed. A reasoning implementation path (RIP) is proposed as a means of expressing the reasoning procedures for MKG. In addition, we explore intelligent medical applications based on RIP and MKG and classify them into nine major types. Finally, we summarize the current state of MKG research based on more than 130 publications and future challenges and opportunities.

题目：A Survey on Intelligence-Endogenous Network: Architecture and Technologies for Future 6G

作者：L.Li.

来源：Intelligent and Converged Networks, vol. 5, no. 1, pp. 53-67.

摘要：With the maturity of 5G technology and global commercialization, scholars in institutions and industrial circles began to research 6G technology. An important innovation of 6G technology is to integrate AI technology and communication technology to build a highly endogenous intelligent communication network. This paper investigates the process of AI technology introduced into the field of communication and reviews the use cases of the simulation and application of AI algorithms being discussed in 3GPP meetings in industry circles. In this research report, we first investigate the progress of AI technology in 5G network architecture and then discuss the requirements of endogenous intelligent 6G networks, which leads to the possible network architecture. This work aims to provide enlightening guidance for subsequent research of intelligence-endogenous 6G network.

题目：互信、互联与互操作：全球开放科学云计划进展与展望

作者：张丽丽、陈灿、张海明、郑依华、罗泽、黎建辉

来源：数据与计算发展前沿, 2024, 6(2): 25-38.

摘要：联合国教科文组织将开放科学基础设施视为开放科学的重要支柱。“全球开放科学云”国际大科学培育计划则进行了相关方面的先期探索。本文采用案例解剖方法，回顾了“全球开放科学云”思想的提出、国际大科学培育计划的落地以及主要建设进展。全文重点围绕整体技术架构、核心研究体系和开放治理架构等方面展开，并聚焦建设进展中的服务资源互联互通、技术互操作实验床构建和基于区域应用示范的互信生态体系等。与各类在建信息基础设施相比，开放科学基础设施具有互联互通、互操作性等技术特征，开放包容等组织特性，非营利性、长期可持续性等管理特质。构建多方互信机制需要从技术、政策、组织等多方发力。GOSC的未来发展还需强化政策治理体系，完善弹性实验床与关键技术迭代升级，探索多学科交叉合作的全球云服务模态与区域应用示范，拓展全球互信生态体系，推动全球科研创新。未来，“全球开放科学云计划”仍需继续提升资源互联、技术互操作与互信生态体系构建能力，围绕“人机物”融合，建设成支撑全球科研创新的重要力量。

题目：我国数据要素市场治理的模式、现状与对策

作者：丁波涛

来源：信息资源管理学报, 2024, 14(2): 29-40.

摘要：要推动数据要素市场高质量发展，首先需要构建科学高效的市场治理机制。本文对数据要素市场治理素现状进行了梳理，提出市场化治理、垂直型治理和关系型治理等三种治理模式，并比较其特点，分析其现状与瓶颈。在此基础上，本文指出我国需要同时采用多种治理模式，形成以市场化治理为主、垂直型治理为辅、关系型治理作为重要补充的数据要素市场治理格局，并就三种治理模式的进一步完善提出了对策建议。

题目：中国互联网30年：全球格局变迁下的风险挑战、战略转型与未来前瞻

作者：刘典

来源：数据与计算发展前沿, 2024, 6(2): 39-45.

摘要：分析中国在互联网发展30年过程中的战略转型与挑战，探讨中国如何从网络大国迈向网络强国，并预测未来的发展趋势。采用文献分析法，结合历史数据，对中国互联网发展的战略转型与挑战进行深入分析。中国互联网经历了从跟随到引领的转变，成为全球互联网发展的重要力量。然而，也面临着国际竞争压力、数据治理挑战等问题。互联网发展日新月异，本文可能无法涵盖所有最新的研究成果和观点。此外，由于国内外政策环境和技术发展的不确定性，对未来的预测可能存在一定的偏差。未来，中国需继续深化网络强国战略，加强自主创新，积极参与全球互联网治理，以应对不断变化的国际环境和技术发展趋势。

题目：基于知识图谱的端到端内容共享机制

作者：赵晓焱、匡燕、王梦含、袁培燕

来源：计算机应用, 2024, 44(4): 995-1001.

摘要：本文以最大化能量效率为目标，综合考虑设备异质性、用户社交性和兴趣差异性，提出一种用户-设备-内容多维度关联特征的D2D内容共享机制。首先，基于用户成本效益最大化将多目标约束问题转化为最优节点选择和功率控制问题，构建面向用户-设备-内容的多维度知识关联特征和图谱模型，将设备相关的计算资源、存储资源等多维特征结构化处理；其次，研究用户在设备属性和社交属性上的意愿度度量方法，提出一种基于用户社交和设备图谱的共享意愿度度量方法；最后，根据用户共享意愿度构建面向内容共享的D2D协作簇，面向能量效率设计一种基于共享意愿度的功率控制算法，以最大化网络共享性能。在真实用户设备数据集和infocom06数据集的实验结果表明，所提基于共享意愿度的功率控制算法与最近选择算法和不考虑设备意愿度的选择算法相比，系统和速率分别提升了约97.2%和11.1%，用户满意度分别提升了约72.7%和4.3%，能效分别提升了约57.8%和9.7%，验证了所提算法在传输速率、能量效率和用户满意度等方面的有效性。

题目：机器学习技术在眼健康领域的应用

作者：叶旭、杜一、崔文娟、沈俊杰、谢靖、王露笛

来源：数据与计算发展前沿, 2024, 6(2): 117-133.

摘要：随着数据的爆炸式增长、算法的不断改进以及计算能力的快速发展，机器学习在教育、金融、制造和医疗等领域均得到了广泛应用。在眼健康领域，机器学习也已经在疾病诊断、疾病分级、医学检查和疾病早期筛查等许多任务上实现了初步应用。本文通过对眼健康领域国内外相关文献的调研，从眼科疾病类别、就诊阶段、数据类型及技术类型4个不同维度对领域应用进行了梳理与分析，并对接下来的研究做出相应的展望。基于调研分析的结果可以看出，在眼健康领域中，机器学习技术主要以图像数据为主，围绕疾病诊断与分级展开。同时在疾病早期筛查和疾病风险预测等处于疾病发展早期阶段的任务上也取得了不错的表现。通过将机器学习技术应用到眼科诊疗过程的各个阶段，有望降低眼科医生负担、提升眼科医生工作效率、帮助控制患者病情发展、提升患者生活质量并降低患者治疗的经济成本和时间成本。