专刊序言

张玉志

南开大学软件学院，天津 300350

在我国，人工智能与各行业领域深度融合，技术创新蓬勃兴起，核心产业规模持续增长，具有很好的发展基础和态势。但同时，我国人工智能整体发展水平与国际先进水平相比仍存在一定差距，尤其是在算法、框架和芯片等基础技术层面存在“卡脖子”风险，还未形成具有国际影响力的生态圈和产业链。

智能计算平台聚焦人工智能潜在卡脖子问题，兼顾当前需求与长远发展，以统一异构计算编程标准为基础，以大规模分布式架构为切入点，实现主流深度学习框架对国产加速芯片的支持，实现众多计算节点的大规模集成和高效协同，为人工智能领域提供多模式的加速能力和计算支撑。

本期专刊将以智能计算研究中具有创新性和突破性的研究成果为主题，对相关基础理论、关键技术和应用技术进行交流和探讨，同时探索其在相关产业和领域的应用前景。

在《基于知识图谱技术的线上教学资源推荐系统设计与实现》一文中，罗婕溪等利用知识图谱相关技术，设计并实现了一种融合多种推荐策略的推荐系统，并将其应用于线上教学资源系统中，在多学科领域内的知识点推荐中展现出较好的效果，解决了线上教学资源种类繁杂、数量众多，且缺乏规范化构建和系统化管理的问题。[1]

由隋轶丞等人撰写的《基于OpenCL 的Tensor-Flow 框架中Element-Wise 算子实现》一文中，继续对TensorFlow 的OpenCL 版本实现中的关键技术进行深入研究。Element-Wise 算子作为TensorFlow 框架的重要组成部分，使用广泛，实现了较多的计算功能。其封装和实现方式与框架中常见的实现方式存在较大差别，在代码封装和结构上相对复杂。该文完成了对OpenCL Element-Wise 算子的实现和封装，确保了TensorFlow 整体框架代码的规范性和可扩展性。[2]

李东闻等撰写的《NKCorpus：利用海量网络数据构建大型高质量中文数据集》一文提出了一个流程完善高效的构建大型高质量中文数据集的框架NKCorpus，通过语言提取、文本清洗、数据去重等多种方法对原始海量网络数据进行处理，并采用并行技术对处理框架的效率进行优化。利用该框架，目前已经构建了约700GB 的高质量中文数据集，且规模仍在持续增加中，将为中文预训练模型等的训练提供高质的数据资源。[3]

孙永谦博士等在《KPI 异常检测方法评估》一文中，广泛调研近年来国内外KPI 异常检测的相关工作，对各发展阶段的KPI 异常检测方法深入研究和分析，并挑选出13 个代表性方法进行实验评估，总结整理了其一般性问题、挑战和框架，从准确性、鲁棒性和效率三个方面评估了以上方法的优劣性。本文的研究和分析为将来的研究人员快速、准确地选择最适合其场景的KPI 异常检测方法提供了依据。[4]

在《基于蒙特卡洛树搜索的通用博弈系统的构建与优化研究》一文中，梁思立等人通过在蒙特卡洛树搜索算法上增加记忆结构来存储在线博弈过程中的实时信息，用记忆结构中博弈状态的相似状态来估计该状态的好坏，并基于这一方法构建了通用博弈系统。与原始的蒙特卡洛方法相比，本文所构建的通用博弈系统在决策水平和效率上都有显著提升，所提出的方法通过利用博弈的专门信息能够有效地提升蒙特卡洛树搜索算法的性能。[5]

由李思毅等撰写的《微服务架构下的根因定位方法综述》一文详细介绍了微服务架构下构建故障传播图的方式以及基于图推理的根因定位技术。结合云平台上运维及高可用的能力建设经验，对现有的根因定位方法进行梳理、总结。基于图推理的根因定位方法在大型数据中心显著提高了云上系统的稳定性和可靠性，随着数字化转型的深入，微服务架构下的根因定位技术对大规模云平台的稳定性保障将会起到越来越大的作用。[6]

上述系列文章各自从不同的角度阐释了智能计算平台在自然语言处理、知识图谱等各个领域的应用技术和创新工作，上层应用能力的提升将进一步推进平台的不断创新与可持续发展。