圖3 科技資源統(tǒng)一檢索描述語(yǔ)言規(guī)范(部分)

2.3 檢索結(jié)果處理

定義1對(duì)于某一特定資源R，可能會(huì)存儲(chǔ)在不同的科研機(jī)構(gòu)內(nèi)，既存在于機(jī)構(gòu)U1中，也存在于機(jī)構(gòu)U2中。即存在于其資源庫(kù)L1中也存在于資源庫(kù)L2中等。將這種存在資源覆蓋的情況，記為α。

定義2對(duì)于某一特定資源R，只存在于機(jī)構(gòu)U1中，或者機(jī)構(gòu)U2中。即存在于資源庫(kù)L1或者資源庫(kù)L2中，將這種不存在資源覆蓋的情況，記為β。

2.3.1 基于訪問代價(jià)的科技資源訪問算法

從ES的檢索結(jié)果來看，對(duì)于每一個(gè)分布的數(shù)據(jù)資源，相同記錄的訪問存在不同的訪問開銷。例如，某資源同時(shí)存儲(chǔ)在D1、D2兩個(gè)數(shù)據(jù)源庫(kù)上，但是用戶訪問這兩個(gè)庫(kù)的時(shí)間不同，網(wǎng)絡(luò)性能好的數(shù)據(jù)源能夠極大提高資源的訪問速度。所以，在檢索結(jié)果中需要根據(jù)資源的訪問時(shí)間來對(duì)對(duì)應(yīng)的資源進(jìn)行結(jié)果處理，生成排序結(jié)果，并利用其他工具為使用者提供建議。如圖4所示，是對(duì)各機(jī)構(gòu)擁有的重復(fù)資源的訪問示意圖，針對(duì)α的情況，當(dāng)用戶訪問重復(fù)資源的時(shí)間AC如圖 4中所示時(shí)，則AC=19為最終選擇的用戶最優(yōu)的數(shù)據(jù)訪問路徑。

圖4 α情況下，冗余結(jié)果的最優(yōu)化訪問示意圖

目前在分布式異構(gòu)環(huán)境下的科技資源檢索中，衡量用戶訪問效率的最好計(jì)算方式是用戶訪問資源的時(shí)間。當(dāng)不同機(jī)構(gòu)中存在相同資源時(shí)，系統(tǒng)需要為用戶提供一條最優(yōu)的訪問路徑，即需要將在最短時(shí)間內(nèi)訪問到的指定資源返回給用戶。這就需要從ES訪問存儲(chǔ)有相同資源的不同機(jī)構(gòu)的多個(gè)訪問時(shí)間中選擇最短訪問時(shí)間。

本系統(tǒng)是基于B/S的實(shí)現(xiàn)，為了準(zhǔn)確計(jì)算用戶訪問不同機(jī)構(gòu)數(shù)據(jù)源的時(shí)間，在客戶端用戶可以使用網(wǎng)頁(yè)版的ping.js獲取訪問存儲(chǔ)在不同機(jī)構(gòu)的相同資源的時(shí)間t，此時(shí)得到的t是客戶端直接到機(jī)構(gòu)數(shù)據(jù)源的訪問時(shí)間。算法簡(jiǎn)單描述見算法1。

算法1QUserTRequest

Input：R,資源記錄；n，資源記錄數(shù)

Output：AC，資源訪問評(píng)估時(shí)間

1 var array;

2 var AC;

3 for each j in n

4 do

5 var t;

6 ping(j.ip).then(function(delta) {

7 t←delta;

8 array.add(j,t)

9 })

10 Done

11 AC←min(array).t

12 Return AC;

如果訪問機(jī)構(gòu)U1，U2，…，Un中資源的時(shí)間分別為t1,t2,…,tn，則訪問存放相同資源的所有機(jī)構(gòu)的時(shí)間集合可表示為：

T={t1,t2,…,tn}

(1)

在α情況下，需要找到集合T中的最小值作為用戶的最小訪問時(shí)間，將對(duì)應(yīng)機(jī)構(gòu)中的資源返回給用戶，作為用戶的最優(yōu)訪問路徑。

2.3.2 算法性能分析及優(yōu)化

假設(shè)某一指定查詢記錄的數(shù)據(jù)為M條，前端檢索按照PageSize分頁(yè)，滿足查詢的某一資源最多存在于N個(gè)獨(dú)立機(jī)構(gòu)內(nèi)。利用本文設(shè)計(jì)和實(shí)現(xiàn)的檢索系統(tǒng)創(chuàng)建索引，則某科技資源最多存在N條重復(fù)的索引項(xiàng)。某一用戶獨(dú)立訪問N個(gè)遠(yuǎn)程機(jī)構(gòu)中同一資源的時(shí)間分別為：t1,t2,…,tN?？紤]從用戶前端訪問ES索引庫(kù)，響應(yīng)PageSize的平均時(shí)間為Tavg，則獲取含有重復(fù)索引的一條數(shù)據(jù)記錄的總時(shí)間開銷為(AC+Tavg)，發(fā)起的請(qǐng)求數(shù)等于重復(fù)索引數(shù)N。假設(shè)最壞情況下，PageSize中每一條記錄都具有N個(gè)重復(fù)索引項(xiàng)，那么需要發(fā)起的Ajax請(qǐng)求為PageSize×N，例如分頁(yè)P(yáng)ageSize大小為15條每頁(yè)，共有3個(gè)機(jī)構(gòu)，則請(qǐng)求為45個(gè)，這是算法2得到的請(qǐng)求開銷。顯然隨著分頁(yè)記錄和多個(gè)機(jī)構(gòu)之間的重復(fù)數(shù)據(jù)越來越多，發(fā)起的Ajax請(qǐng)求也越來越大。這就需要對(duì)該請(qǐng)求方式進(jìn)行優(yōu)化，實(shí)現(xiàn)過程中的優(yōu)化算法描述如算法2、算法3所示。

算法2Query

Input： pagesize, 分頁(yè)大小

Output：分頁(yè)中包含每條記錄所在的位置及評(píng)估時(shí)間

1 var tmp,array;;

燃燒爐內(nèi)生成的有機(jī)硫是硫磺回收裝置有機(jī)硫的主要來源，而常用控制方案是將其在一級(jí)克勞斯反應(yīng)器內(nèi)最大限度地水解生成H 2 S，殘余有機(jī)硫在尾氣處理單元加氫水解反應(yīng)器中進(jìn)行轉(zhuǎn)化。在硫磺回收單元各級(jí)反應(yīng)器中，通常一級(jí)反應(yīng)器床層溫度為280～360℃，后續(xù)各級(jí)反應(yīng)器床層溫度略低于此值，而現(xiàn)有工業(yè)催化劑性能存在局限性，在較低的反應(yīng)溫度下對(duì)有機(jī)硫的水解催化性能均較差。尾氣處理單元加氫水解反應(yīng)器床層溫度往往在240～330℃，可實(shí)現(xiàn)一定的末級(jí)催化加氫水解作用，現(xiàn)有主流尾氣處理工藝對(duì)加氫反應(yīng)器后的殘余有機(jī)硫幾乎不再進(jìn)行更深度的轉(zhuǎn)化，將直接被帶入灼燒爐燃燒轉(zhuǎn)化為SO2后，通過煙囪排入大氣。

2 for each i in pagesize

3 do

4 tmp.t ←UserTRequest(k,i);

5 tmp.ip ←i.ip;

6 array.push(tmp);

7 Done

算法3QueryOptimizer

Input： T, 超時(shí)時(shí)間；pagesize, 分頁(yè)大小

1 var tmp,array;

2 for each i in pagesize

3 do

4 if(array.contain(tmp)) {

5 get tmp from array;

6 if(tmp && i.ip==tmp.ip && time

7 i.t = tmp.t

8 }else{

9 tmp.t ←UserTRequest(k,i);

10 tmp.ip ←i.ip;

11 array.push(tmp);

12 }

13 } else {

14 tmp.t ←UserTRequest(k,i);

15 tmp.ip ←i.ip;

16 array.push(tmp);

17 }

18 Done

每次檢索返回的PageSize中，若滿足要求的第一條記錄包含N個(gè)索引項(xiàng)，則必然需要N次請(qǐng)求。這個(gè)請(qǐng)求操作是必須要發(fā)生的，用戶在查詢同一分頁(yè)中的記錄或者在T時(shí)間內(nèi)發(fā)起查詢請(qǐng)求時(shí)，如果所查資源在同一IP內(nèi)，就以第一次訪問的時(shí)間t作為當(dāng)前記錄的訪問時(shí)間。這樣，N條重復(fù)記錄發(fā)起的請(qǐng)求數(shù)量最大為N，如前面的15條每頁(yè)，在T時(shí)間內(nèi)，無論用戶獲取的記錄數(shù)為多少，發(fā)起的最大數(shù)總是等于3，與未優(yōu)化之前相比減少了80%的請(qǐng)求數(shù)。顯然，這種方式能夠大量減少用戶提交的請(qǐng)求數(shù)，而其不足在于，用戶獲取的訪問時(shí)間可能因?yàn)闀r(shí)延等因素，導(dǎo)致一定的誤差，但是這種方式綜合考慮了訪問代價(jià)和性能。

3 實(shí)驗(yàn)及分析

本研究主要設(shè)計(jì)了兩個(gè)實(shí)驗(yàn)，首先驗(yàn)證DHRS的可行性(記為：實(shí)驗(yàn)一)，然后再針對(duì)DHRS中資源訪問優(yōu)化算法的改進(jìn)性能進(jìn)行驗(yàn)證(記為：實(shí)驗(yàn)二)。DHRS基于Java Web實(shí)現(xiàn)，Java運(yùn)行時(shí)版本1.7.0_79；ES版本為1.4.2，操作系統(tǒng)為：CentOS release 6.4，系統(tǒng)配置為Quad-Core AMD Opteron(TM) Processor 2352 CPU@2.10 GHz，內(nèi)存為4 GB，實(shí)驗(yàn)一的測(cè)試工具選用JMeter。

3.1 實(shí)驗(yàn)一

3.1.1 實(shí)驗(yàn)數(shù)據(jù)

本文實(shí)驗(yàn)所使用的數(shù)據(jù)是由萬(wàn)方提供的部分科技資源文獻(xiàn)300萬(wàn)條真實(shí)元數(shù)據(jù)。這些數(shù)據(jù)來源于不同的服務(wù)器、不同的數(shù)據(jù)庫(kù)、不同的數(shù)據(jù)表，能夠體現(xiàn)資源的異構(gòu)性，資源組成如表1所示。

表1 測(cè)試使用的數(shù)據(jù)源

從用戶常用查詢角度出發(fā)，根據(jù)庫(kù)中數(shù)據(jù)所代表的類型，設(shè)計(jì)了如下幾組常用的科技資源檢索條件，這些條件包括了基礎(chǔ)以及其組合查詢(包含了與、或、非謂詞)，同時(shí)也具有一定的代表性：

Q1：查詢“1999”年公布的科技成果；

Q2：查詢?cè)?004年1月1日到2004年1月3日申請(qǐng)的專利；

Q3：查詢辦學(xué)類型中含有“高等學(xué)?！弊謽拥膶W(xué)校；

Q4：查詢涉及“能源”、“信息”、“資源”或 “資源環(huán)境”的項(xiàng)目；

Q5：查詢1959年到1999年成立的，職工總數(shù)在50人以上的所有機(jī)構(gòu)；

Q6：查詢?cè)诒本┡e辦的會(huì)議中，作者規(guī)范單位名稱中包含“上海交通大學(xué)”的中文會(huì)議論文；

Q7：查詢“2013”年發(fā)表的所有外文論文；

Q8：查詢論文編號(hào)在“28737000”與“28738000”之間和 “2111800”與“2112000”之間的所有論文；

Q9：查詢作者姓名中含有“Mariangela”的外文論文。

3.1.2 單節(jié)點(diǎn)檢索性能

在單機(jī)環(huán)境下，根據(jù)上述9個(gè)不同的查詢條件，分別通過DHRS和ES提交，測(cè)得其查詢響應(yīng)時(shí)間如圖5所示。

圖5 DHRS系統(tǒng)和ES查詢的單機(jī)響應(yīng)時(shí)間對(duì)比

由圖 5可以看出在進(jìn)行集成測(cè)試時(shí)，DHRS的整體性能不及ES，但都能夠在50～110 ms內(nèi)獲取檢索結(jié)果，可以滿足用戶需要。這些性能差異的原因是DHRS在查詢時(shí)，使用SUDL語(yǔ)言規(guī)范來描述查詢請(qǐng)求，而查詢則是基于ES實(shí)現(xiàn)。因此，系統(tǒng)需要先將SUDL語(yǔ)言解析成ES的標(biāo)準(zhǔn)查詢指令，查詢解析的時(shí)間開銷視查詢文件的大小而定。在DHRS系統(tǒng)中進(jìn)行測(cè)試時(shí)，上述9個(gè)查詢條件被描述為符合SUDL規(guī)范的XML文件，其查詢文件大小都在1 KB以內(nèi)，解析查詢文件的時(shí)間開銷在40～45 ms。由于解析過程占用時(shí)間開銷，DHRS系統(tǒng)必然比直接使用ES進(jìn)行查詢耗費(fèi)時(shí)間。而且對(duì)于不同的查詢請(qǐng)求，查詢解析的時(shí)間可能會(huì)遠(yuǎn)大于其實(shí)際的查詢時(shí)間，例如Q4、Q5，所以與ES相比，系統(tǒng)的時(shí)間開銷主要在于查詢文件的解析過程。

3.1.3 多服務(wù)器檢索性能

配置DHRS系統(tǒng)的ES分布式檢索集群，集群節(jié)點(diǎn)數(shù)從1逐漸增加到6，當(dāng)節(jié)點(diǎn)數(shù)增加到大于等于2時(shí)，數(shù)據(jù)集的所有分片及副本都將平衡分配在不同節(jié)點(diǎn)上。在此過程中，每增加一個(gè)節(jié)點(diǎn)，ES都會(huì)對(duì)索引分片和副本進(jìn)行重新分配以達(dá)到負(fù)載平衡。每增加一個(gè)節(jié)點(diǎn)就分別對(duì)上述9個(gè)查詢請(qǐng)求進(jìn)行一次測(cè)試，測(cè)得其查詢響應(yīng)時(shí)間的變化如圖6所示。

圖6 DHRS系統(tǒng)的分布式集群的查詢響應(yīng)時(shí)間

從圖6中可以看出，在集群節(jié)點(diǎn)數(shù)逐漸增加時(shí)，不同查詢條件對(duì)應(yīng)的查詢時(shí)間都有不同程度的減少，并且在節(jié)點(diǎn)數(shù)增加到一定數(shù)量時(shí)，查詢響應(yīng)時(shí)間會(huì)趨于穩(wěn)定。由此，可以得到如下結(jié)論，在ES檢索集群中，上述9個(gè)檢索請(qǐng)求基本上都能夠在較短時(shí)間內(nèi)完成。并且隨著集群節(jié)點(diǎn)數(shù)的增加，檢索響應(yīng)時(shí)間也隨之減少，說明可以通過增加節(jié)點(diǎn)來提高性能。當(dāng)集群數(shù)為5時(shí)，檢索性能趨于穩(wěn)定，已達(dá)到當(dāng)前系統(tǒng)軟、硬件配置為當(dāng)前檢索所能提供的最大性能。

3.2 實(shí)驗(yàn)二

在三臺(tái)服務(wù)器上分別部署DB1、DB2、DB3(見表1)數(shù)據(jù)庫(kù)，并利用ES分別構(gòu)建索引，模擬分布式異構(gòu)文獻(xiàn)資源，客戶端使用Chrome(版本53.0.2763.0)瀏覽器。按照15條記錄分頁(yè)，記錄大小平均1 KB，這樣可以減少DOM渲染帶來的影響，每條記錄在本實(shí)驗(yàn)環(huán)境下的平均響應(yīng)時(shí)間如表2所示，利用Ping.js的響應(yīng)時(shí)間進(jìn)行性能比較。

表2 平均響應(yīng)時(shí)間

通過DHRS查詢數(shù)據(jù)返回15條分頁(yè)記錄，在客戶端通過Ajax請(qǐng)求對(duì)15條記錄進(jìn)行數(shù)據(jù)訪問評(píng)估、測(cè)試性能如圖7所示。其中，(a)和(c)是在算法2下執(zhí)行的性能；(b)和(d)在算法3下執(zhí)行的性能；在(b)中，第2至第15條記錄的響應(yīng)評(píng)估時(shí)間由第一條記錄估算。在(d)中第6至第8條記錄，由第5條估算，第10、12和15條以此類推。

(a) 總耗時(shí)1 067 ms

(b) 總耗時(shí)63 ms

(c) 總耗時(shí)1 055 ms

(d) 總耗時(shí)626 ms圖7 測(cè)試性能結(jié)果

本實(shí)驗(yàn)在局域網(wǎng)內(nèi)模擬不同機(jī)構(gòu)提供相同數(shù)據(jù)集，通過對(duì)比實(shí)驗(yàn)，評(píng)估了不同算法實(shí)際執(zhí)行效果。在T=5 s的時(shí)間內(nèi)，算法2每次都要對(duì)不同機(jī)構(gòu)的數(shù)據(jù)訪問，這樣帶來了嚴(yán)重的性能問題，從圖7(a)和(c)可以看出總耗時(shí)在1 s以上。數(shù)據(jù)雖然在3臺(tái)服務(wù)器上都有分布，但是通過UserTRequest選中了Server2，因此數(shù)據(jù)信息均來自同一IP，所以根據(jù)算法3，圖7(b)只需要獲取第一條記錄即可知道其他記錄的訪問時(shí)間，即總耗時(shí)為63 ms，與(a)相比，性能提高了94%。圖7(d)則根據(jù)三臺(tái)服務(wù)器不同響應(yīng)時(shí)間選中了不同的服務(wù)器，一旦后續(xù)數(shù)據(jù)在同一記錄上則可以很大程度減少額外開銷。在本實(shí)驗(yàn)環(huán)境下較圖7(c)性能提高了41%，綜合來看性能較未優(yōu)化前提高了68%，說明優(yōu)化后算法3的可行性和高效性。

綜上所述，DHRS通過集成ES能夠充分利用ES的分布式檢索優(yōu)勢(shì)，可以方便地整合異構(gòu)科技資源。在本實(shí)驗(yàn)環(huán)境給定的檢索條件下，雖然引入了中間描述語(yǔ)言對(duì)整體的檢索性能有一定影響，但查詢條件仍能在較短的時(shí)間內(nèi)處理百萬(wàn)級(jí)數(shù)據(jù)。當(dāng)數(shù)據(jù)在多個(gè)機(jī)構(gòu)之間存在重復(fù)記錄的時(shí)候，通過優(yōu)化檢索結(jié)果訪問時(shí)間，可以極大地提高系統(tǒng)的性能。

4 結(jié) 語(yǔ)

針對(duì)實(shí)際應(yīng)用需求，本文研究了基于彈性搜索技術(shù)的分布式異構(gòu)科技資源的高性能檢索解決方案,重點(diǎn)對(duì)分布式異構(gòu)科技資源檢索中出現(xiàn)的問題進(jìn)行了分析，并給出了可行的解決方案。設(shè)計(jì)并實(shí)現(xiàn)了基于彈性搜索的分布式異構(gòu)檢索系統(tǒng)DHRS以及描述異構(gòu)資源查詢的中間描述語(yǔ)言，解決了異構(gòu)科技資源的統(tǒng)一整合和規(guī)范化查詢問題。通過優(yōu)化異構(gòu)科技文獻(xiàn)檢索中的資源訪問算法，提高了異構(gòu)文獻(xiàn)資源的訪問效率。該研究可為分布式科技資源統(tǒng)一訪問、異構(gòu)科技資源數(shù)據(jù)融合提供借鑒和參考。在后續(xù)工作中將進(jìn)一步優(yōu)化SUDL語(yǔ)言的解析引擎。

[1] 焦玉英,溫有奎,陸偉,等.信息檢索新論[M]. 武漢：武漢大學(xué)出版社, 2008：1-17.

[2] Sato N, Uehara M, Sakai Y, et al. Distributed in-formation retrieval by using cooperative meta search engines[C]//IEEE. Distributed Computing Systems Workshop, 2001 International Conference on, 2001:345-350.

[3] 許靜芳. 指南針聯(lián)邦:突破集中式搜索之困[J].中國(guó)教育網(wǎng)絡(luò), 2007(6):14-16.

[4] 張淵源,張琴燕,蔣關(guān)富. 面向Web電子產(chǎn)品信息分布式檢索系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J].計(jì)算機(jī)應(yīng)用, 2013,33(4):1026-1030.

[5] Cacheda F, Carneiro V, Plachouras V, et al. Performance analysis of distributed information retrieval architectures using an improved network simulation model[J]. Information Processing and Management, 2007,43(1):204-224.

[6] Paltoglou G, Salampasis M, Satratzemi M. Collection-integral source selection for uncooperative distributed information retrieval environments[J]. Information Sciences, 2010, 180(14):2763-2776.

[7] Romero-Tris C, Castellà-Roca J, Viejo A. Distributed system for private web search with untrusted partners[J]. Computer Networks, 2014,67(5):26-42.

[8] Das S, Shuster K, Wu C, et al. Mobile Agents for Distributed and Heterogeneous Information Retrieval[J]. Information Retrieval, 2005, 8(3):383-416.

[9] Armbrust M, Fox A, Griffith R, et al. A view of cloud computing[J]. Communications of the Acm, 2010, 53(4):50-58.

[10] 吳廣印.分布式學(xué)術(shù)搜索引擎研制及其大數(shù)據(jù)應(yīng)用[J].數(shù)字圖書館論壇, 2013(6):10-18.

[11] 吳廣印. RMSCloud與科技文獻(xiàn)云服務(wù)[J].中國(guó)科技資源導(dǎo)刊, 2013(5):72-78.

[12] 吳廣印. RMS系統(tǒng)架構(gòu)與情報(bào)檢索系統(tǒng)的功能需求研究[J]. 數(shù)字圖書館論壇, 2013(6):31-38.

[13] Baezayates R, Castillo C, Junqueira F, et al. Challenges on Distributed Web Retrieval[C]//IEEE, International Conference on Data Engineering. IEEE, 2007:6-20.

[14] Elasticsearch[EB/OL].[2016-08-11]. http://www.elasticsearch.cn/.

[16] Apache Lucence [EB/OL].2016-08-11]. http://lucene.apach-e.org/.

[17] 陳俊杰,黃國(guó)凡. 應(yīng)用Elasticsearch重構(gòu)圖書館站內(nèi)搜索引擎[J]. 情報(bào)探索, 2014(11):114-119.

[18] JDBC plugin for Elasticsearch[EB/OL]. [2015-05-21].http-s://github.com/jprante/elasticsearch-jdbc.

[19] 吳廣印,楊奕虹,楊賀. 從知識(shí)獲取看知識(shí)組織——基于“知識(shí)獲取五要素”的知識(shí)組織研究與實(shí)現(xiàn)[C]//數(shù)字圖書館高層論壇2010年年會(huì)論文集, 2010：29-36.

[20] 吳廣印. 知識(shí)獲取“五要素”的研究與實(shí)踐[C]//中國(guó)索引學(xué)會(huì)第三次全國(guó)會(huì)員代表大會(huì)暨學(xué)術(shù)論壇論文集, 2008：29.

APPLICATIONANDOPTIMIZATIONOFDISTRIBUTEDHETEROGENEOUSRETRIEVALINSCIENTIFICANDTECHNOLOGICALINFORMATIONRESOURCES

Li Cheng1Tong Bin1Liu Yingbo1,2*Wu Ping2Wang Feng1,2Wen Ruojin2Chen Yajie1

1(ComputerTechnologyApplicationKeyLaboratoryofYunnanProvince,KunmingUniversityofScienceandTechnology,Kunming650504,Yunnan,China)2(YunnanAcademyofScientificandTechnicalInformation,Kunming650500,Yunnan,China)

When using the traditional centralized retrieval method to deal with massive heterogeneous technology information resources, there are many problems such as single point of failure, poor performance and extensibility. To solve this problem, a distributed high-performance retrieval system (DHRS) applied to heterogeneous technology resources is proposed. First, key techniques of the DHRS were studied and analyzed. Aiming at the problem of large access cost of retrieval results, an evaluation algorithm based on access cost was proposed. Secondly, the algorithm was optimized according to the practical application scenario. The number of requests after optimization was reduced by 80%, and the performance in the experimental environment was improved by 68%. Finally, the test of real data sets proves the feasibility of DHRS retrieval of large amount of scientific and technological resources. It can be applied to search and extend performance requirements of the scene.

Scientific and technological resources Distributed retrieval Massive data ElasticSearch Heterogeneous resources

TP3

A

10.3969/j.issn.1000-386x.2017.10.013

2017-01-14。國(guó)家自然科學(xué)基金項(xiàng)目(61462053)；中國(guó)博士后科學(xué)基金項(xiàng)目(2016M602730)。李城，碩士，主研領(lǐng)域：機(jī)器學(xué)習(xí)，人機(jī)交互。童彬，碩士。劉應(yīng)波，博士。鄔平，高工。王鋒，教授。文若瑾，助理研究員。陳亞杰，碩士。