• 利用增强型大语言模型（Enhanced-LLM）从非结构化的威胁报告中提取关键信息（CTI）。这是个难以解决的问题，还是轻而易举的任务呢？

  威胁情报自动化提取与标准化研究，提出基于LLM与RAG的eLLM-CTI方法，将非结构化威胁报告转换为STIX 2.1格式，显著降低人工处理成本并提升工业4.0系统的安全防护能力。

  来源：Future Generation Computer Systems

  时间：2026-04-15

• 针对波动数据流处理的、具备流感知能力且参数自适应的数据分区算法

  Apache Flink在异构集群中采用默认数据分区策略存在负载不均和资源利用率低的问题，本文提出SAP-DPO算法，通过构建流负载模型和动态周期模型，结合滑动窗口参数优化机制，实时调整分区更新频率，实验表明其相比默认策略、St-Stream、Dr-Stream和LADP算法，Wordcount平均吞吐量提升25.89%至5.21%，Repartition端到端延迟降低17.13%至5.65%。

  来源：Future Generation Computer Systems

  时间：2026-04-15

• 用于时间序列预测的小波专家混合模型

  基于小波变换与混合专家框架的多通道时间序列预测模型，提出WaveTS-B与WaveTS-M。前者通过正交可学习高通和低通滤波器实现时频分析，结合MLP处理高低频分量，有效捕捉周期与非平稳特征。后者创新性地引入通道聚类策略与MoE架构，通过门控机制动态分配多通道权重，在减少参数量的同时提升多通道依赖建模能力。在8个真实世界数据集上的实验表明，模型在精度和效率上均达到SOTA，特别是WaveTS-M在多通道场景下参数减少76%且MAPE降低12.3%。

  来源：Expert Systems with Applications

  时间：2026-04-15

• 基于对抗式双深度Q网络的城市轨道虚拟耦合列车协同控制策略研究

  本文提出基于D3QN-NPER算法的虚拟联挂列车协同控制方法，通过改进粒子群优化算法生成优化的首列车轨迹作为参考，结合带噪声的优先级经验回放机制提升训练效率，在保证安全的前提下实现平均运行时间缩短8.1%，最优跟踪距离比例提升18.73%。

  来源：Expert Systems with Applications

  时间：2026-04-15

• 基于图注意力网络的对比学习增强型多层次兴趣感知会话推荐系统

  Session-Based Recommendation通过多层级兴趣感知超图建模用户兴趣，结合中介节点捕捉长距离依赖，利用融合门控网络整合多尺度特征，引入对比学习缓解数据稀疏，并通过RENorm区分探索与重复行为，实验验证优于基线模型。

  来源：Expert Systems with Applications

  时间：2026-04-15

• 有效且高效的不完全多元时间序列预测

  针对多变量时间序列缺失值问题，本文提出端到端模型Enter，包含缺失感知预训练模块（MAP）和跨注意力预测模块（ITF）。MAP通过missing-aware Transformer学习完整与缺失状态分布，ITF利用跨注意力机制直接关联历史与未来数据，避免数据填补误差累积。实验显示，Enter在4个真实数据集和气象数据集上准确率提升超21%，训练速度提高两个数量级。

  来源：Expert Systems with Applications

  时间：2026-04-15

• DarkCORE：通过协作式反射率去噪和面向对象的特征增强实现高效的低光照物体检测

  低光图像检测框架DarkCORE通过协作反射去噪与目标导向特征增强，有效解决传统方法噪声放大和细节丢失问题，在ExDark、DarkFace等数据集上mAP提升达0.6，参数仅20K。

  来源：Expert Systems with Applications

  时间：2026-04-15

• 一种基于小波引导且考虑物理特性的网络，用于遥感图像的去雾处理

  针对遥感图像去雾中现有方法泛化能力差、物理可解释性不足的问题，本文提出小波引导与物理感知的去雾网络WPD-Net，通过结合小波频域分解与跨注意力Transformer模块，增强特征融合能力，并引入物理残差模块实现模型泛化与可解释性平衡。

  来源：Expert Systems with Applications

  时间：2026-04-15

• 基于鲁棒性识别超网络中的重要节点和超边

  本文基于谱图论与扰动理论，分析超网络代数连通性变化，提出节点与超边重要性度量方法（EMN、EIMN、EME、LME、LIME），并验证其在新旧网络中的优越性。

  来源：Expert Systems with Applications

  时间：2026-04-15

• NEXUS：一个多模态框架，用于捕捉金融市场预测中的金融新闻互动

  新闻事件与市场价格的交互建模及实证研究。提出NEXUS多模态框架，融合新闻文本与市场数值信号，捕捉新闻间依赖及市场动态关联，在标普500和纳斯达克100数据集上使日度夏普比率分别提升0.427和0.338。发现市场信息吸收存在延迟效应（平均滞后3.2个交易日）、长期记忆效应（持续影响达14个交易日）及情感模型局限（对专业术语识别准确率低于75%）。

  来源：Expert Systems with Applications

  时间：2026-04-15

知名企业招聘：