作者： netlab_admin

第一届IEEE信息中心未来网络学术会议（IEEE HotICN2018)将于8月15日至17日在深圳北京大学深圳研究生院举行。会议主要围绕以下三个领域：信息中心未来网络、区块链技术和知识图谱。HotICN2018致力于解决未来网络系统的设计、构建、管理和评估等研究问题。它是研究人员、从业人员、开发人员和用户探索尖端思想，交流技术、工具和经验的前沿论坛。   会议题目：2018 1st IEEE International Conference on Hot Information-Centric Networking (HotICN) 会议主页：https://www.hoticn.com   论文题目：Performance Comparison and Evaluation of WebSocket Frameworks: Netty, Undertow, Vert.x, Grizzly and Jetty 论文作者：Yukun Wang, Lei Huang, Xiaoyou Liu, Tao Sun, Kai Lei 论文作者（中文）：王煜坤，黄磊，刘晓酉，孙涛，雷凯 文章链接：https://hoticn.com/files/hoticnPapers/003-paper%209.pdf 中文摘要：WebSocket协议的出现是为了替代现有的双向通信技术，这些技术使用HTTP作为传输层。目前，有许多网络应用框架支持WebSocket协议，但在不同方面等表现各异。为研究和对比常见WebSocket框架的性能，如Netty，Undertow，Vert.x，Grizzly和Jetty，在本文中，我们使用并发测试，流量测试，连接测试和资源占用测试。实验结果表明Netty和Undertow在高并发环境中表现更好，而Grizzly适用于大流量场景。结果还表明，在使用持久连接的情况下，Netty的性能远优于其他框架，Vert.x和Undertow能在短时间内处理大部分请求。此外，与其他框架相比，Netty和Vert.x占用更少的CPU和内存资源。   论文题目：Research and Application of BFT Algorithms Based on Hybrid Fault Model 论文作者：Qichao Zhang, Zhuyun Qi, Xiaoyou Liu, Tao Sun, Kai Lei 论文作者（中文）：章奇超，齐竹云，刘晓酉，孙涛，雷凯 文章链接：https://hoticn.com/files/hoticnPapers/019-paper%2037.pdf 中文摘要：最近在区块链上爆发的兴趣使许多对于共识算法的研究涌现。相比于比特币衍生的共识算法，拜占庭容错（BFT）算法在联盟链中更为适用。然而，BFT算法存在它的局限，3f+1个节点的系统只能容忍f个故障节点，这将导致较高的网络通信量和开销。依靠可信组件协助的混合故障模型被提出用于降低节点最小量至2f+1，并且可以提高系统整体的性能。本文分析了可信组件的不同抽象和实现方法，我们提出了对于抽象和方法的最优选择，并提出了针对BFT算法设计选择的通用框架。最后，我们讨论了混合故障模型和可信组件在区块链领域有前景的应用。 ...

美国时间2018年7月8-12日，16级陈道源、邓扬同学在雷凯、沈颖老师的指导下，参加了在美国密歇根安娜堡（Ann Arbor Michigan）举办的ACM SIGIR 2018 (Special Interest Group on Information Retrieval)国际会议,将实验室的研究成果在会议上展示并与来自全球的学者共同讨论。 ACM SIGIR会议创始于1971年，至今已有40多年历史。ACM SIGIR会议是信息检索领域的顶级会议，被中国计算机学会（CCF）列为A类会议，专注于展示与信息检索基础理论、技术与应用有关的研究，在信息检索领域具有很高的国际影响力（http://sigir.org/sigir2018）。 陈道源同学在本次会议上发表了一篇短文“Ontology Evaluation with Path-based Text-aware Entropy Computation”，并在会议上做了海报论文展示。 邓扬同学在本次会议上发表了一篇短文“Knowledge-aware Attentive Neural Network for Ranking Question Answer Pairs”，并在会议上做了海报论文展示。 通过参加本次会议,了解了相关领域内最新研究进展，开拓了视野。通过做报告，认识到了语言表达的重要性。通过与参会人员的交流，受到了很多启发。感谢互联网研发中心、雷老师和沈老师的资助。   以下是论文列表及简介： Ontology Evaluation with Path-based Text-aware Entropy Computation 作者：Ying Shen*, Daoyuan Chen*, Min Yang, Yaliang Li, Nan Du, Kai Lei（* indicates equal contribution） 文章链接：https://dl.acm.org/citation.cfm?id=3210067 简介：随着知识交换的重要性日益上升，本体已成为知识交换和语义集成等语义驱动应用程序共享知识模型开发的关键技术。使用熵来测量知识碱基的可预测性和冗余性，特别是本体的可预测性和冗余，已经取得了重大进展。然而，目前用于评估本体的熵应用只考虑单点连接，而不考虑路径连接，为每个实体和路径分配相等的权重，并假定顶点是静态的。针对这些不足，本文提出了一种基于路径的文本感知熵计算方法PTEC，该方法考虑不同顶点之间的路径信息和路径内的文本信息，计算整个网络的连接路径以及不同节点之间的不同权重。从基于结构的嵌入和基于文本的嵌入获得的信息乘以熵计算的连通性矩阵。基于本体统计信息(数据量)、熵评估(数据质量)和案例研究(本体结构和文本可视化)，对三种真实世界本体进行了实验评价。这些方面相互证明了我们方法的可靠性。实验结果表明，PTEC能够有效地评价本体，特别是在医学领域。   Knowledge-aware Attentive Neural Network for Ranking Question Answer Pairs 作者：Ying Shen, Yang Deng, Min Yang, Yaliang Li, Nan Du, Wei Fan, Kai Lei 文章链接：https://dl.acm.org/citation.cfm?id=3210081 开源代码：https://github.com/d123y456/kablstm 简介：问答对排序由于其广泛的应用，如信息检索和问答（QA），近年来引起了越来越多的关注。深度神经网络在此任务上取得了重大进展。然而，在人类文本理解中起着至关重要的作用的文本背景信息和隐藏在上下文之外的关系，在最近取得最好结果的深度神经网络中几乎没有被深入研究。在本文中，我们提出了KABLSTM，一个知识感知的注意双向长短记忆循环神经网络，利用外部知识从知识图谱（KG），丰富了QA句子的向量表示学习。具体地，我们提出了上下文知识交互学习的体系结构，其中，我们设计了一个上下文信息引导的注意卷积神经网络（CNN），将外部知识嵌入到句子表示中。此外，提出了一种知识感知的注意机制来关注QA对的各个部分之间的重要信息。KABLSTM在两个广泛使用的基准QA数据集上评估：WikiQA和TREC QA。实验结果表明，KBLASTM具有较强的竞争优势和得到了最好的实验结果。 ...