目前，区块链和比特币领域的研究尚处于起步阶段，特别是相关主题的知识结构定量化研究尤为缺乏。为此，由华南理工大学李牧南等撰写的《区块链和比特币相关主题的知识结构分析：共被引和耦合聚类分析视角》致力于对区块链和比特币的知识结构进行深入分析，发现其知识基础和潜在的研究前沿，为后续相关研究提供有价值的参考。该文基于Web of Science数据库，用主流的文献计量方法和CiteSpace 工具组合，对相关文献进行了描述性统计分析、共被引聚类分析、文献耦合聚类分析和主题词共现分析，从多种维度探讨了区块链和比特币相关主题的知识结构；不仅从定量的角度反映出区块链和比特币领域研究的近况，同时结合定量分析结果进行了概括的定性描述，从一定程度上对本领域的知识基础和研究前沿进行了刻画。本文旨在促进新兴科学主题的交叉和知识扩散，对未来区块链和比特币的相关研究具有一定的参考价值。

《PoW共识算法中的博弈困境分析及优化》

浙江师范大学唐长兵撰写的《PoW共识算法中的博弈困境分析及优化》探讨了区块链系统的共识算法这一核心问题，主要从策略博弈角度来研究如何在区块链系统中高效地达成共识，即矿工们在开放矿池中应如何选择合作或攻击行为。该文针对工作量证明(Proof of Work, PoW)类共识算法中存在的“囚徒困境”问题，基于博弈均衡理论分析了PoW共识过程中矿工策略选择的纯策略及混合策略纳什均衡存在条件。文章采用了近年来新兴的零行列式(Zero Determinant，ZD)策略方法来优化“囚徒困境”中的矿工策略，使得系统收益达到最大化，并通过数值仿真对算法的有效性进行了验证。本文从理论研究角度对共识算法的设计提供了新的思路和方法，并从实践应用角度对区块链系统的资源优化提供了积极的参考和支持。

《基于语义嵌入模型与交易信息的智能合约自动分类系统》

智能合约随着区块链技术的强势崛起而获得突破性进展并应用于众多领域，使得链上合约代码信息与日俱增。庞大的智能合约数量使得用户从中选择自己需要的服务变得十分困难，如何管理与组织海量智能合约代码的需求尤为迫切。构建智能合约的自动分类系统无疑是解决该问题的有效方案。然而，传统的文本分类算法一般基于人工定制的特征来实现分类，存在难以跨领域分类和特征稀疏等问题。浙江大学黄步添等撰写的《基于语义嵌入模型与交易信息的智能合约自动分类系统》认为，以词嵌入模型为代表的神经网络算法可以有效解决上述问题，并以以太坊平台的智能合约为例，提出了一种基于语义嵌入模型与交易信息的智能合约自动分类系统；通过用词嵌入模型对智能合约代码的语义信息建模，并且用智能合约的交易信息来更深入地理解智能合约的逻辑行为，最后用神经网络来组合两方面的信息输出最终的类标签概率分布。本文实现了一个智能合约的浏览器与智能合约的检索系统，实验结果显示该系统取得了超出基准算法的分类效果，具有良好的应用前景。

《运行于区块链上的智能分布式电力能源系统：需求、概念、方法以及展望》

应用研究方面，大规模分布式智能电力能源系统是区块链的热点应用领域之一。美国丹佛大学张俊等撰写的《运行于区块链上的智能分布式电力能源系统：需求、概念、方法以及展望》致力于运用区块链技术构建分布式智能能源系统，以解决传统智能能源系统的中心化运营导致的一系列管理问题。鉴于电力能源系统的社会和技术双重属性，运用区块链实现运营的过程中需要构建不同的区块链来描述和建模不同的属性，由此本文提出了一个“区块链群”的实现方式以及依存于其上的各类运行机制。不同层次和功能的区块链群基于区块链技术、分布式文件服务技术、分布式电力系统分析与管理技术等进行自我组织、相互协助，最终构建一个分布式自主的电力能源运行系统，通过频繁而深度的计算与交互衍生出系统智能，并期望其能带来稳定、可靠、有效的电力能源生产、传输与消费。本文所提出的区块链群的概念是对未来的平行区块链管控技术的有益探索。

《基于区块链的医疗数据共享模型研究》

医疗健康是区块链技术的另一热点应用领域。在当前医疗健康数据共享机制下，病人、医生以及研究人员在访问和共享医疗数据时受到严格的限制，这一过程需要花费大量的资源和时间用于权限审查和数据校验，却不能杜绝数据篡改、数据传输不安全等问题，从而严重阻碍了智慧医疗和医疗大数据的发展；医疗数据的校验、保存和同步成为亟待解决的一大难题。北京邮电大学薛腾飞等撰写的《基于区块链的医疗数据共享模型研究》提出了一个基于区块链的医疗数据共享模型，利用区块链技术帮助病人、医生以及研究人员实现快速安全的认证权限、安全便捷的数据访问和分享。该模型基于改进的DPOS共识机制，建立有效、去中心化、灵活的共享机制；同时利用代理重加密机制来实现对医疗数据的访问控制和共享，可望为目前在隐私与安全、医疗数据滥用和诈骗、用户参与度、互操作性、可访问性、数据完整性等方面存在的问题提供有效的解决方案。

《面向知识自动化的自动问答研究进展》

知识自动化研究领域中，自动问答技术随着人工智能、大数据、移动互联网和个人携带智能设备的快速发展而获得广泛关注。中国科学院自动化研究所曾帅等撰写的《面向知识自动化的自动问答研究进展》认为，新智能技术时代中，自动问答的技术形态和应用场景正在经历深刻变化，使得用户的行为与需求模式也发生了极大的变化。在自动问答系统发展的前两个阶段（即，数据库自然语言接口、以信息检索为中心的阶段），其本质是对已有信息的检索，因此回答问题的能力受限于信息的完备性；而将信息升华为知识，实现知识自动化才可以赋予自动问答系统像人类一样的思考能力，对虚拟空间的大数据进行深度的开发和智力挖掘。该文回顾了自动问答领域的发展历史，按照知识表示方法的不同，对近年来的自动问答系统进行分析和总结，并介绍了典型英文和中文系统应用、以及自动问答系统的主要评估方法。可以看出，虽然当前还没有自动问答系统可以达到用户理想的状态，它已经在朝着智能化、个性化的知识机器人发展。

《基于深度强化学习的平行企业资源计划》

深度学习是知识自动化的代表性技术之一。2016年，基于深度学习技术的AlphaGo以4:1的比分战胜韩国棋手李世石，随后在网络围棋平台上以60连胜的优势战胜众多人类棋手，预示着以自我博弈、深度强化学习和虚实互动等为典型特征的知识自动化将成为新常态，这与复杂系统与人工智能研究中的平行管理思想不谋而合。中国科学院自动化研究所秦蕊等撰写的《基于深度强化学习的平行企业资源计划》将深度强化学习应用于企业管理ERP（Enterprise Resource Planning, 企业资源计划），提出了基于深度强化学习的平行ERP 3.0研究框架，来解决知识自动化时代复杂企业ERP所面临的不确定性、多样性和复杂性困难，实现了企业ERP中大数据、知识与人三者之间的动态闭环反馈及实时交互。ERP 3.0概念的提出为企业ERP的发展提供了新的建设思路，开启了平行企业ERP时代。

《使用增强学习训练多焦点聚焦模型》

国家数字交换系统工程与技术研究中心刘畅等撰写的《使用增强学习训练多焦点聚焦模型》研究了聚焦模型这一类新兴的深度学习模型。聚焦模型在图像、视频处理中取得了良好的应用，然而在目标种类较多、识别目标较大时，它需要多次迭代才能完成识别，因而效率较低。针对这类问题，该文提出了一种多焦点聚焦模型，采用多个独立并行的焦点模块，各焦点按照自己收到的坐标并发地提取图像信息，所有焦点提取的信息合并后由RNN层统一处理，迭代更新各焦点下一步的提取坐标。在每次采样分析后，对所有焦点的整体采样效果进行评分，通过端对端的增强学习方法对模型进行训练，从而自动学习出提取输入图像中最有效的信息。作者基于MNIST 数据集及其变种进行多项实验，结果表明，相比单焦点聚焦模型，该模型的训练速度、识别正确率都得到了优化。该方法对于大规模图像数据集的处理，具有一定的优势。

《一种基于共享度模型的改进Rete 算法》

专家系统是知识自动化的早期形态。专家系统中，推理机是重要的组成部分，它和知识库一起构成专家系统。为了解决专家系统在推理过程中存在的规则保存、推理速度等问题，研究者提出了Rete算法；然而，这种高效的模式匹配算法在Rete网的构建和推理过程中仍存在空间和性能方面的问题。北京理工大学严西敏等撰写的《一种基于共享度模型的改进Rete 算法》的主要贡献致力于通过算法改进来缓解该问题。本文采取有穷自动机理论的思想，根据节点共享度模型和模式共享度模型，将规则中条件以共享度为权重进行排序，提出改进的Rete网络构建和推理算法，以降低Rete网络的复杂度并提升推理速度。文章利用实际数据集进行了实验，结果支持改进的Rete算法在降低网络复杂度和加快推理速度方面有明显提升。

《基于D-S融合的混合专家知识系统故障诊断方法》

东北大学袁杰等撰写的《基于D-S融合的混合专家知识系统故障诊断方法》主要面向流程工业过程的专家系统。过程故障诊断是流程工业面临的重要难题，基于定性知识故障诊断的专家系统方法是解决这个问题最为常用的方法。然而，由于复杂流程工业过程具有数据与知识类型多样、不确定性高、运行数据不准确等特点，必须同时采用多种不同的专家知识系统，组成混合专家知识系统来进行诊断才能得到可靠的结论。为处理多个专家系统之间的知识与证据冲突，本文基于D-S证据理论，结合专家知识系统和生产中的数据，提出一种基于D-S 融合的混合知识系统故障诊断方法；这种方法可以根据不同的信息类型建立不同的专家知识系统，并进行不确定性推理，有助于实现流程工业过程的智能故障诊断，从而能够极大地提高故障诊断的准确性和有效性。

《基于矩阵填充和物品可预测性的协同过滤算法》

最后，国家数字交换系统工程技术研究中心潘涛涛等撰写的《基于矩阵填充和物品可预测性的协同过滤算法》主要探讨知识自动推荐算法。在如今的大数据时代，如何快速高效地挖掘数据的价值已经成为企业面临的重要挑战。推荐系统是解决大数据时代信息过载问题的重要途径和关键技术，而协同过滤则是当前最为主流的推荐算法。一般来说，数据稀疏性是影响基于协同过滤的推荐系统性能的重要因素，传统的矩阵填充方法虽然可以在一定程度上缓解数据的稀疏性，但是却忽略了预测评分与真实评分之间的可信度差异。针对这些问题，本文引入置信系数来表示评分值之间的可信度，并基于矩阵填充和物品可预测性提出了一种综合考虑物品预测评分与物品可预测性的改进协同过滤算法；这种算法能够有效地解决数据稀疏问题，并极大提高推荐的性能。

本专刊的顺利完成，离不开作者、匿名审稿人和《自动化学报》编辑们的大力支持与协助。在此，我们表示深深的感谢，并希望本专刊对国内区块链和知识自动化领域的研究起到积极的促进作用。

袁勇, 周涛, 周傲英, 段永朝, 王飞跃. 区块链技术：从数据智能到知识自动化. 自动化学报, 2017, 43(9): 1485-1490