题目：An Overview of Deep Neural Networks for Few-Shot Learning

作者：J. Zhao, L. Kong and J. Lv

来源：Big Data Mining and Analytics, vol. 8, no. 1, pp. 145-188.

摘要：Recent advancements in deep learning have led to significant breakthroughs across various fields. However, these methods often require extensive labeled data for optimal performance, posing challenges and high costs in practical applications. Addressing this issue, Few-Shot Learning (FSL) is introduced. FSL aims to learn effectively from limited labeled samples and generalize well during testing. This paper provides a comprehensive survey of FSL, reviewing prominent deep learning based approaches of FSL. We define FSL through literature review in machine learning and specify the “ -way K -shot” paradigm to distinguish it from related learning challenges. Next, we classify FSL methods by analyzing the Vapnik-Chervonenkis dimension of neural networks. It underscores the necessity for models with abundant labeled examples and finite hypothesis space to generalize well to new and unseen instances. We categorize FSL methods into three types based on strategies to increase labeled samples or reduce hypothesis space: data augmentation, model-based methods, and algorithm-optimized approaches. Using this taxonomy, we review various methods and evaluate their strengths and weaknesses. We also present a comparison of these techniques as summarized in this paper, using benchmark datasets. Moreover, we delve into specific sub-tasks within FSL, such as applications in computer vision and robotics. Lastly, we examine the limitations, unique challenges, and future directions of FSL, aiming to offer a thorough understanding of this rapidly evolving field.

题目：Enhanced Attention-Driven Dynamic Graph Convolutional Network for Extracting Drug-Drug Interaction

作者：X. Guo, D. Song and F. Yang

来源：Big Data Mining and Analytics, vol. 8, no. 1, pp. 257-271

摘要：.Automatically extracting Drug-Drug Interactions (DDIs) from text is a crucial and challenging task, particularly when multiple medications are taken concurrently. In this study, we propose a novel approach, called Enhanced Attention-driven Dynamic Graph Convolutional Network (E-ADGCN), for DDI extraction. Our model combines the Attention-driven Dynamic Graph Convolutional Network (ADGCN) with a feature fusion method and multi-task learning framework. The ADGCN effectively utilizes entity information and dependency tree information from biomedical texts to extract DDIs. The feature fusion method integrates User-Generated Content (UGC) and molecular information with drug entity information from text through dynamic routing. By leveraging external resources, our approach maximizes the auxiliary effect and improves the accuracy of DDI extraction. We evaluate the E-ADGCN model on the extended DDIExtraction2013 dataset and achieve an F1-score of 81.45%. This research contributes to the advancement of automated methods for extracting valuable drug interaction information from textual sources, facilitating improved medication management and patient safety.

题目：2024年中国高性能计算机发展现状分析与展望

作者：张云泉、袁良、袁国兴、李希代

来源：数据与计算发展前沿, 2024, 6(6): 1-9.

摘要：本文根据2024年11月发布的中国高性能计算机TOP100排行榜的数据，对国内高性能计算机的发展现状从总体性能、制造商、行业领域等方面进行了深入分析。中国TOP100新增4台系统，前十名系统未变，第一名Linpack性能仍为487 PFlops。联想为系统数量冠军，联想、曙光和浪潮三强争霸的局面逐步演化为联想和浪潮的竞争。算力服务这一应用领域的占比依然超过70%，充分反映当前算力经济发展趋势。本文根据二十三届排行榜的性能数据，详细阐述了算力经济发展现状，并对未来中国大陆高性能计算机的发展趋势进行了分析预测。

题目：面向物联网的区块链共识算法综述

作者：牛科迪、李敏、姚中原、斯雪明

来源：计算机应用, 2024, 44(12): 3678-3687.

摘要：目前大多数共识算法都需要较高的计算能力或特定的通信环境，不适合用于资源受限的物联网（IoT）。针对传统的区块链中的共识算法应用到IoT时的局限性，综述了面向IoT的区块链共识算法。首先，从基于实用拜占庭容错算法（PBFT）的改进共识算法、基于其他共识算法的改进算法和适用IoT的新型区块链共识算法这3个类别的方向介绍和总结归纳面向IoT的共识算法；其次，建立共识算法的基本评价指标体系，并从去中心化、可扩展性、安全性、延迟和能耗等5个方面对比共识算法；最后，分析面向IoT的共识算法面临的挑战与未来研究方向。基本评价指标体系分析表明，新型共识算法比基于传统共识算法进行改进的共识算法更适配IoT，为面向IoT的区块链共识算法研究提供了参考。

题目：大数据驱动下的科研机构科研治理创新实践

作者：汪洋、周小军、魏鑫、褚大伟、郑晓欢、彭颖、冷伏海、张凤、丛培民、吉志霞、廖方宇

来源：数据与计算发展前沿, 2024, 6(6): 43-52.

摘要：大数据驱动是推进科研治理创新的重要手段。本文首先探讨了科研治理数字化转型的客观因素，无论从政策还是技术方面都已具备实现条件；然后，从大数据时代以“数据与数字技术”为核心的流程再造、及基于“开放共享与安全易用”的大数据分析两方面得出大数据驱动是科研治理创新的必然方向；最后，本文基于中国科学院大数据驱动科研治理的应用探索与具体实践，展望科研管理机构数字化转型的未来发展进程。大数据驱动科研治理创新是实现科研治理现代化的必由之路和必然选择，将为我国跻身创新型国家前列、成为世界科技创新强国提供有力支撑。

题目：区块链3.0的发展、技术与应用

作者：方鹏、赵凡、王保全、王轶、蒋同海

来源：计算机应用, 2024, 44(12): 3647-3657.

摘要：区块链3.0是区块链技术发展的第3阶段，也是构建价值互联网的内核，它在分片、跨链以及隐私保护等方面的创新使它具有广泛的应用场景和研究价值，受到学术界和产业界相关人士的高度重视。针对区块链3.0的发展、技术与应用，调研并综述近5年国内外关于区块链3.0的相关文献。首先，介绍区块链的基本理论和技术特点，为深入了解区块链的研究进展奠定基础；其次，根据区块链技术随时间变化的演进趋势，阐述区块链3.0的发展历程和各个关键的发展时间节点，并给出以分片和侧链技术为基准点划分区块链不同的发展阶段的理由；再次，详细分析区块链3.0关键技术的研究现状，概述归纳它在物联网、医疗和农业等6大领域内的典型应用；最后，总结区块链3.0在发展过程中面临的关键性挑战和未来发展机遇。

题目：数据分类分级：实践进展与经验启示

作者：王剑、赵瑞雪、杨晓蓉、屠媛媛

来源：数据与计算发展前沿, 2024, 6(6): 10-18.

摘要：数据分类分级作为数据安全保护的一种前置性和关键性工作，对于国家数据安全战略推进具有极其重要的意义。在系统分析国内外政府、机构与高校较为成熟的数据分类分级实践进展的基础上，深入梳理数据分类分级的标准规范与行业指南，明确数据分类分级实践的经验与不足，厘清现有数据分类分级机制设计中的关键要素。以此研判其对构建数据分类分级机制的可借鉴路径，并从分类分级标准与方法、顶层设计与管理制度建设、保护评估机制等三个方面给出了推进我国数据资源管理启示，展望了数据分类分级发展趋势和未来技术进步影响，以期为推进数据资源精准、可持续性保护和高质量发展提供理论与实践参考。