分布式处理平台作为大数据技术重要组成部分，其低效率、高能耗问题不容忽视．针对这一问题，本文 通过将现有大规模的数据处理节能算法划分为流式数据处理、批量数据处理、图数据处理以及彼此交互的数据处 理四种节能算法进行分析探讨，其中彼此交互的数据处理节能算法又可划分为偏向批的交互数据处理、偏向流的 交互数据处理以及偏向图的交互数据处理三种节能算法，并进行综合的讨论分析，讨论了现有分布式处理架构与 节能算法存在的一系列问题（如对集群服务质量的影响、对集群性能的影响等）．最后，对适应节能的分布式处理 体系结构、节能计算与集群数据处理的适应性、节能计算与集群数据处理的普适性、集群执行节能算法的QoS约 束保证以及集群执行节能算法的性能质量保证五个方面进行了展望分析。

自然语言处理，挖掘网络上的评论

实体关系抽取作为信息抽取、自然语言理解、信息检索等领域的核心任务和重要环节,能够从文本中抽取实体对间的语义关系.近年来,深度学习在联合学习、远程监督等方面上的应用,使关系抽取任务取得了较为丰富的研究成果.目前,基于深度学习的实体关系抽取技术,在特征提取的深度和模型的精确度上已经逐渐超过了传统基于特征和核函数的方法.围绕有监督和远程监督两个领域,系统总结了近几年来中外学者基于深度学习的实体关系抽取研究进展,并对未来可能的研究方向进行了探讨和展望.

自动驾驶系统（autonomous driving system，ADS）是一种集成高精度传感器、人工智能和地图导航系统等模块的信息—物理融合系统。该类系统中的自动驾驶软件完成了从高级辅助驾驶到无人驾驶任务中关键的感知、定位、预测、规划和控制任务。

对流体图像序列进行运动分析一直是流体力学、医学和计算机视觉等领域的重要研究课题。从图像对中提取的密集精确的速度矢量场能够为许多领域提供有价值的信息，基于光流法的流体运动估计技术因其独特的优势成为一个有前途的方向。

生成对抗网络（GAN）是无监督学习领域最近几年快速发展的一个研究方向，其主要特点是能够以一种间接的方 式对一个未知分布进行建模。在计算机视觉研究领域中，生成对抗网络有着广泛的应用，特别是在图像生成方面，与其他的 生成模型相比，生成对抗网络不仅可以避免复杂的计算，而且生成的图像质量也更好。

深度学习在大量领域取得优异成果，但仍然存在着鲁棒性和泛化性较差、难以学习和适应未观测任务、极其依赖大规模数据等问题.近两年元学习在深度学习上的发展，为解决上述问题提供了新的视野.元学习是一种模仿生物利用先前已有的知识，从而快速学习新的未见事物能力的一种学习定式.

多元时间序列的因果关系分析是数据挖掘领域的研究热点. 时间序列数据包含着与时间动态有关的、未知的、有价值的信息, 因此若能挖掘出这些知识进而对时间序列未来趋势进行预测或干预, 具有重要的现实意义.

近年来，互联网技术的蓬勃发展极大地便利了人类的日常生活，不可避免的是互联网中的信息呈井喷式爆发，如何从中快速有效地获取所需信息显得极为重要.

新型冠状病毒肺炎（novel coronavirus pneumonia，COVID-19）具有高传染性和高致病性，对人们的公共安全造成了严重威胁，从而备受全球关注。