• 大规模大豆作物分配优化技术的比较

  摘要将作物最佳地分配到不同的土地上是一个具有重大实际意义的问题，这不仅有助于提高食品和饲料的生产，还有助于应对气候变化带来的挑战。然而，由于可用的农业用地数量众多，导致搜索空间极为庞大，传统优化方法难以适用。此外，仅仅追求平均产量的最大化可能会导致年际间产量波动较大，进而形成过大的、不切实际的耕种面积。因此，有必要同时考虑多个目标来进行作物分配的优化。为了解决这一复杂的优化问题，我们提出了一种多目标方法，该方法旨在同时实现平均产量的最大化、年际产量波动的最小化以及总耕种面积的最小化。该方法基于一种成熟的多目标进化算法，并利用了一个能够根据历史数据预测作物产量的机器学习模型，从而能够处理大规模的

  来源：ACM Transactions on Evolutionary Learning and Optimization

  时间：2025-11-08

• SAGE：一种自适应的物联网蜜罐系统，采用基于状态机（FSM）的协议仿真技术，并结合GraphRAG框架实现响应生成功能

  摘要物联网（IoT）生态系统中日益增加的安全威胁需要先进的欺骗机制，以吸引对手并生成逼真的交互效果。传统的IoT蜜罐存在协议仿真能力有限、响应机制静态以及容易被对手识别（“指纹识别”）的问题，这使得它们在面对复杂攻击时效果不佳。为了解决这些问题，本文提出了SAGE（State-Aware Graph-Enhanced Honeypot，即基于状态感知的图增强型蜜罐）——一种自适应的IoT蜜罐。该蜜罐结合了有限状态机（FSM）驱动的协议仿真技术和GraphRAG（Graph-based Reinforcement Learning for Attack Graphs）增强的信息检索能力。与传统蜜

  来源：ACM Transactions on Internet of Things

  时间：2025-11-08

• 重新审视用于源代码优化的基因改进方法：一种表型物种形成方法

  摘要新兴软件系统由基本构建块组成，其中许多构建块具有不同的变体，这些变体在不同部署环境中表现优劣不一。针对源代码的遗传改进（Genetic Improvement, GI）方法已被提出，用于创建和整理这类构建块的集合。然而，新代码合成与遗传变异和交叉操作的结合会导致搜索空间变得庞大且复杂。为辅助这种搜索，人们提出了多种方法；在遗传算法（Genetic Algorithms, GAs）的背景下，引入了“物种”（species）的概念，用于识别基因型相似的个体，以控制竞争、鼓励探索遥远的局部最优解、保持多样性并避免过早收敛。在本文中，我们探讨了适用于源代码遗传改进的物种定义方法。源代码这一领域具有

  来源：ACM Transactions on Evolutionary Learning and Optimization

  时间：2025-11-08

• 基于强化学习的生物测定可靠合成方法在MEDA数字微流控生物芯片上的应用

  摘要微流控生物芯片在即时诊断中发挥着重要作用。先进的微流控生物芯片能够高效地执行各种流体操作，并稳健地进行蛋白质合成、药物发现等生物分析。微电极点阵列（MEDA）数字微流控生物芯片是新一代有前景的微流控生物芯片之一，其特点是每个电极上都装有专用传感器。该芯片能够操控不同体积的液滴并将其导向任意方向，因此属于先进的微流控技术。然而，MEDA和传统数字微流控生物芯片的工作原理都基于“介电表面电湿润”现象。尽管具有诸多优势，MEDA仍会受到介电击穿导致的电极故障影响。这种电极故障主要发生在重复或长时间驱动的情况下。因此，开发新的生物分析合成方法以确保MEDA的可靠性和无误操作至关重要。 由于电极的重

  来源：ACM Transactions on Intelligent Systems and Technology

  时间：2025-11-08

• XAIUI：一种基于用户信念的可解释人工智能技术，用于实现具备上下文感知的自适应界面

  摘要可解释人工智能（XAI）为自适应界面中的可预测性和可解释性挑战提供了解决方案，尤其是在基于情境动态调整信息的增强现实（AR）系统中。虽然传统的XAI方法强调了影响调整的情境因素，但它们往往忽略了用户的内部理解，例如用户的专业知识及其对情境的感知。这种忽略可能导致解释显得冗余或显而易见。我们提出了XAIUI，这是一种计算方法，通过将系统的调整模型与用户内部表示的贝叶斯模型相结合来生成定制化的解释。两项在线研究评估了XAIUI的效果。在第一项研究（N=77）中，参与者将XAIUI的解释评为最受欢迎的解释，其受欢迎程度超过了其他四种替代方案（χ2(4)=62.28，p.001）。在第二项研究（N

  来源：ACM Transactions on Interactive Intelligent Systems

  时间：2025-11-08

• 一致性至关重要：在基于示范学习的机器人技术中定义示范数据质量指标

  摘要通过示范学习（Learning from Demonstration, LfD）技术，机器人能够通过人类的示范来掌握新技能，这使得普通用户也能够教授机器人。然而，学习的成功与否以及泛化能力的高低在很大程度上取决于这些示范的质量。在LfD中，人们通常使用“一致性”来衡量示范的质量，但决定这种一致性的具体因素尚未得到充分研究。在本文中，我们评估了一组全面的运动数据特征，以确定哪些一致性指标能够最好地预测学习效果。通过在训练前确保示范的一致性，我们提高了模型的预测准确性和对新场景的泛化能力。我们通过两项用户研究来验证我们的方法，这些研究的参与者具备不同水平的机器人技术知识。在第一项研究中（N =

  来源：ACM Transactions on Human-Robot Interaction

  时间：2025-11-08

• HKG：一种适用于资源匮乏的指示性语言的自动知识图谱构建新方法

  摘要知识图谱（KG）是一种将文本数据以语义网络形式呈现的可视化方法，对于开发更智能的机器人具有巨大潜力。它在问答、推荐和信息检索等许多任务中提供了重要的解决方案。然而，这一领域目前仅限于使用英语文本。由于现在人工智能领域也开始使用资源较少的语言，因此也有必要为这些语言开发相应的语义网络。在这项研究中，作者提出了针对印地语的自动知识图谱构建的最新技术，而印地语在语义网构建方面尚未得到充分探索。在语言学领域，构建知识图谱面临诸多挑战，尤其是在处理印地语时。本研究从印度视角出发，提出了一种名为“HKG”的新方法用于印地语知识图谱的构建。该方法还采用了LSTM模型来评估新构建的知识图的准确性，并计算了

  来源：ACM Transactions on Asian and Low-Resource Language Information Processing

  时间：2025-11-08

• GMG-NCDVAE：利用自然语言处理技术和受限多样性变分自编码器进行引导性从头分子生成

  摘要自然语言处理（NLP）中的文本处理技术在制药、自动化和汽车等多个行业中都有应用。利用变分自编码器进行药物设计是一种流行的数据辅助技术，可以控制分子属性来设计药物分子。该技术生成连续的潜在空间，这些空间可以进行优化。本文介绍了一种基于受限变分自编码器的分子生成结构，该结构使用SMILES格式。该方案包括分子的生成、根据分数对分子进行筛选，以及随后使用成熟的NLP技术确定最优分子。为了生成更具意义的潜在空间，将分子属性的条件向量与分子的SMILES表示相结合。还使用了一个可调参数（多样性D）来控制生成分子的多样性。使用标准数据集对所提出的架构进行了评估。有效性、唯一性和FCD是用于评估模型性能

  来源：ACM Transactions on Asian and Low-Resource Language Information Processing

  时间：2025-11-08

• 利用Dwarf Mongoose优化和基于深度学习的情感分类技术进行低资源语言信息处理

  摘要亚洲语言及资源匮乏语言的信息处理属于计算语言学的一个研究领域，其目标是针对那些语言资源较少或使用频率较低的语言开发自然语言处理（NLP）技术。这一领域至关重要，因为亚洲及其他地区的许多语言在NLP领域尚未得到充分关注，这可能限制了使用这些语言的人获取信息和技术的能力。随着网络上用户生成内容的不断增加，情感分析（SA）已成为提取与人类情绪状态相关数据的重要工具。与其他传统技术相比，Twitter情感检测器在评估产品和服务质量方面提供了更优的解决方案。情感分析的检测性能和分类器准确性高度依赖于分类器方法以及输入特征的质量。深度学习（DL）方法利用特定技术从原始数据（如推文或文本）中提取信息，并

  来源：ACM Transactions on Asian and Low-Resource Language Information Processing

  时间：2025-11-08

• 基于深度神经网络的中文和英文混合语音识别技术

  摘要在人机交互领域，目前较为先进的语音识别系统都是单一语言的语音识别系统，因此迫切需要采用新的深度学习技术来改进现有的语音识别系统。基于这一背景，本研究以深度神经网络（DNN）为基础，探索了中文和英文混合语音识别技术。首先研究了一种基于DNN的单一语言语音识别算法，然后通过融合注意力机制和CTC（Connectionist Text Classification）损失函数，构建了一种新的中文和英文混合语音识别模型。在构建该混合语音识别模型时，采用了端到端模型和Transformer框架，利用CTC损失函数的单调对齐特性，将复杂的音素转换为字符，以便于提取和识别。通过在中文语音数据集、英文语音数

  来源：ACM Transactions on Asian and Low-Resource Language Information Processing

  时间：2025-11-08

• 通过机器学习和人机交互改进日中文机器翻译系统的方法

  摘要随着全球化的发展，不同国家之间的人员交流变得越来越频繁。由于语言差异，人员交流面临诸多障碍，这在很大程度上阻碍了各国经济、文化和旅游等产业的发展。机器翻译（MT）的出现有效解决了语言障碍问题，大幅减轻了翻译人员在文本翻译中的工作负担。然而，机器翻译缺乏人类翻译的灵活性，它只是逐字进行翻译，往往难以满足人们更高的需求。本文提出构建一个日中文机器翻译系统，并将机器学习与人机交互（HCI）技术融入该系统。为了进一步提升系统性能，还应用了优化算法来改进系统表现。实验结果显示，在BLEU（双语评估指标）方面，本文提出的算法平均BLEU值为8.59，而传统算法为6.55；在翻译准确率方面，本文算法的平

  来源：ACM Transactions on Asian and Low-Resource Language Information Processing

  时间：2025-11-08

• 在课程思政理念指导下，融合人工智能技术优化高校思想政治教育的研究

  摘要本文结合数据挖掘（DM）与人工智能（AI）技术，提出了基于现代教育领域课程体系改革的理念与技术，旨在优化高校思想政治教育（IPE）课程的教学环境。研究从概念层面分析了主体间性对模型开发的影响，探讨了整个教学体系的基准价值以及互联网治理理念在高校IPE改革中的关键作用。研究评估了当前高校IPE转型与发展中存在的问题，并提出了相应的解决方案，包括“方法论设计”“团队协作”“环境发展强化”以及“质量管理双重保障”等四项机制。文中还提出了一种“三阶段全环境”网络IPE架构，旨在提升高校IPE的教学效率。这一方案基于经验总结、理论分析及实证研究提出，通过深入理解数据挖掘与人工智能的相关知识，应用于实

  来源：ACM Transactions on Asian and Low-Resource Language Information Processing

  时间：2025-11-08

• 基于人口统计特征的情感分析方法：用于检测低资源语言环境下的仇恨言论推文

  摘要信息技术和通信技术的进步使得社交媒体用户能够迅速在全球范围内传播他们的想法和观点。然而，这一传播过程本身也产生了大量数据，这些数据带来了巨大的挑战。近年来，言论自由的实施导致了互联网上攻击性和仇恨言论内容的激增，这严重侵犯了基本人权。在资源丰富的语言中检测社交媒体上的恶意内容已成为研究人员关注的焦点。然而，由于缺乏大量语料库以及语言本身的复杂性，资源较少的语言在这些研究中处于不利地位。本研究提出的方法主要分为两部分：一部分是检测恶意内容，另一部分是对本地开发的数据集进行人口统计分析。研究首先通过名为snscraper的网络抓取工具从Twitter中收集了20万个未标记的乌尔都语数据点，这些

  来源：ACM Transactions on Asian and Low-Resource Language Information Processing

  时间：2025-11-08

• 基于深度学习的多语言语音合成技术，采用多特征融合方法

  摘要传统串联语音合成技术存在的两大主要问题是语音可懂度低以及合成效果异常。卷积神经网络（CNN）的基于上下文的深度学习方法在处理敏感的语音合成任务时还不够稳健。我们提出的方法有望解决这些问题，并简化语音合成的复杂流程。该模型所具有的最小非周期性失真特性使其成为通信识别模型的理想选择。尽管语音合成仍存在一些可听见的缺陷，但我们的方法已经尽可能接近人类真实语音的表现。此外，在利用自然语言处理技术将情感分析融入文本分类方面，还有许多值得深入研究的工作有待完成。不同国家之间人们的情感表达强度存在显著差异。为了提升语音合成效果，模型需要在更新的混合密度网络中加入更多的隐藏层和节点。为了让我们的算法发挥最

  来源：ACM Transactions on Asian and Low-Resource Language Information Processing

  时间：2025-11-08

• 基于数据增强技术的跨语言多语音合声系统（TTS），结合深度学习（DL）与情感分析功能

  摘要近年来，文本到语音（TTS）算法在生成尽可能自然的单语语音方面取得了巨大进展。然而，由于缺乏足够的训练数据，用同一个人的语音合成多种语言的语音仍然是一个难题。要找到能够像母语者一样熟练掌握多种语言的人可能非常困难。语音转换是一种可以用来创建多语言语料库的方法，从而解决这一问题。该方法利用基于53种不同语言训练得到的语音表示模型，并结合混合深度学习技术来捕捉与说话者无关的共性特征。在这项研究中，我们提出了一种新的跨语言语音转换方法，通过生成对抗网络（GANs）来训练多语言TTS系统。为了应对训练过程中保持说话者个体特征的特殊挑战，我们引入了“个体相似性损失”这一概念。我们的目标是让来自不同语

  来源：ACM Transactions on Asian and Low-Resource Language Information Processing

  时间：2025-11-08

• 基于主题建模的文本分类：利用词嵌入和Transformer技术研究伊斯兰恐惧症

  摘要伊斯兰恐惧症是当前时代一个日益令人担忧的问题，穆斯林在日常生活中面临歧视，他们的宗教——伊斯兰教也常常受到负面评价。伊斯兰恐惧症是一种种族主义的表现形式，由个人、团体和组织在全球范围内实施。此外，社交媒体平台的普及及其广泛使用也助长了仇恨言论、虚假信息以及对伊斯兰教的负面看法的传播。在这项研究中，我们专注于检测在各种社交媒体平台上分享的伊斯兰恐惧症相关文本内容。我们探讨了文本数据挖掘和自然语言处理（NLP）领域中的先进技术。采用潜在狄利克雷分配（Latent Dirichlet Allocation）算法来识别主要话题，同时使用Word2Vec和GloVe等词嵌入方法进行特征提取。对于文本

  来源：ACM Transactions on Asian and Low-Resource Language Information Processing

  时间：2025-11-08

• 利用深度学习技术构建阿拉伯方言识别框架

  摘要Statista的统计数据显示，过去十年中社交媒体的使用量迅速增加，到2021年，全球互联网用户数量将达到约48.71亿。这是因为手机平台允许用户用多种语言（包括阿拉伯语）表达自己的情感和观点。作为使用最广泛的社交媒体平台之一，Twitter为用户提供了一个表达思想的便捷环境。许多杂志和政府网站利用Twitter发布官方声明和决策，虽然这些内容采用标准阿拉伯语撰写，但用户却用自己的母语与之互动。为了解决自然语言处理中的问题（如情感分析和翻译），需要解释和处理大量多种语言的数据。我们结合了Katherine提供的数据集（涵盖8个国家的方言）以及NADI共享任务数据集（通过Twitter收集，

  来源：ACM Transactions on Asian and Low-Resource Language Information Processing

  时间：2025-11-08

• 人工智能语音合成技术下的英语听力教学模式

  摘要为了探讨人工智能（AI）语音合成技术和无线网络技术在英语听力教学中的应用，首先分析了当前英语听力教学的现状。其次，设计了一份问卷来调查AI语音合成技术在英语听力教学中的可行性。最后，设置了对照组（传统的英语听力教学模式）和实验组（采用AI语音合成技术的教学模式），并对两者进行了比较和分析。调查显示，在自然流畅度方面，语音合成的得分最低；而教科书中的音频得分最高，平均分为4.23分。根据平均意见得分（MOS），AI语音合成技术属于高质量的语音编码技术。因此，在无线网络技术支持下利用AI语音合成技术生成的英语音频也同样具有较高的质量。同时，有113名受访者认为合成音频的发音非常清晰，甚至比与教

  来源：ACM Transactions on Asian and Low-Resource Language Information Processing

  时间：2025-11-08

• 基于可解释深度学习技术的心理健康检测方法：从英文和阿拉伯语社交媒体帖子中识别相关线索

  摘要近年来，研究社区开始探索通过社交媒体检测抑郁症，这成为该领域的一个相对较新的发展方向。一些研究致力于从英文社交媒体帖子中识别抑郁迹象，而针对阿拉伯语帖子的研究则较少。本文提出了一种基于BERT和Bi-LSTM的框架，用于从阿拉伯语社交媒体帖子中识别抑郁迹象；同时，还提出了一种针对英文社交媒体帖子的、经过微调的RoBERTa模型，用于识别抑郁状态。除了这些模型外，还探讨了七种传统的机器学习模型和八种深度学习模型，以识别阿拉伯语和英文社交媒体帖子中的抑郁迹象。所提出模型的性能已在两个阿拉伯语数据集和一个英文数据集上得到了验证。该BERT和Bi-LSTM框架在两个不同的阿拉伯语数据集上取得了领先

  来源：ACM Transactions on Asian and Low-Resource Language Information Processing

  时间：2025-11-08

• 革新医疗保健：自然语言处理（NLP）、深度学习（Deep Learning）以及无线传感器网络（WSN）技术在应对COVID-19危机中的应用

  摘要2020年的COVID-19疫情引发了全球性的社会经济动荡，各国被迫采用数字技术来应对经济衰退并确保通信系统的高效运行。本文探讨了自然语言处理（NLP）在疫情期间利用无线连接技术中的作用。研究评估了无线网络对危机管理多个方面的影响，包括病毒追踪、优化医疗保健、促进远程教育以及实现统一通信。此外，文章还强调了数字包容性在减缓疾病传播和重新连接边缘化社区方面的重要性。为了解决这些挑战，本文提出了一种基于双卷积神经网络（Dual CNN）的BERT模型。BERT模型用于提取文本特征，其内部层能够捕捉与单词和短语相关的复杂上下文信息，使其成为各种文本分析任务中的宝贵特征。双卷积神经网络（Dual

  来源：ACM Transactions on Asian and Low-Resource Language Information Processing

  时间：2025-11-08

知名企业招聘：