科研学术

　　近日，我校计算机科学与工程学院（网络空间安全学院）时空大数据与智能团队科研和人才培养工作再传捷报。由商烁教授、陈力思教授和韩鹏教授所指导的2020级硕士研究生周偲琳、2021级硕士研究生殷飞宇、庞小兵以第一作者撰写的四篇论文相继被人工智能顶会AAAI 2023和WWW 2023接收发表。

　　2020级硕士生周偲琳以第一作者在AAAI 2023连续发表了两篇论文。第一篇论文《GRLSTM: Trajectory Similarity Computation with Graph-based Residual LSTM》（作者：周偲琳、李晶、王皓、商烁〔通讯作者〕、韩鹏〔通讯作者〕）主要针对基于路网轨迹相似性开展研究，提出了基于图学习和残差LSTM的轨迹相似性模型，称为GRLSTM。模型通过路网点多关系性质的学习，在新的空间中生成隐藏图，利用隐藏图可以更好地提取路网点的隐藏特征。为了学习到鲁棒的轨迹表征，模型修改了多层LSTM结构去解决梯度问题，并提出了两种基于路网点的优化函数。该模型在两个真实的数据集上取得了较大的性能提升。

　　第二篇论文《Heterogeneous Region Embedding with Prompt Learning》（作者：周偲琳、和丹、陈力思、商烁〔通讯作者〕、韩鹏〔通讯作者〕）主要针对城市区域表征开展研究，提出了基于异构图和提示学习的城市区域表征模型，称为HREP。模型利用多种城市数据构建了城市区域异构图，模型将关系表征引入了图卷积网络中去更新节点表征，提出了基于注意力机制的表征融合模块，为了提升下游任务的性能，该模型在该方向上首次尝试将自然语言处理中的提示学习引入到城市区域表征中，并在不同的下游任务上取得了较大的性能提升。

　　2021级硕士殷飞宇以第一作者在AAAI 2023发表论文《Next POI Recommendation with Dynamic Graph and Explicit Dependency》（作者：殷飞宇，刘勇，沈志琪，陈力思，商烁〔通讯作者〕，韩鹏〔通讯作者〕）。本文提出了一种基于动态邻居图与显式依赖关系的兴趣点推荐模型，称为SNPM，用于兴趣点推荐和预测任务。其依据用户的先前访问序列动态地调整用于信息聚合的邻居，并显式地在序列预测模型中利用先前状态信息，这使得该模型能够更好捕捉用户轨迹数据中的规律性，发掘用户偏好信息。该模型在两个真实数据集上的实验证明了模型的有效性。

　　2021级硕士生庞小兵以第一作者在WWW 2023发表了论文《EmpMFF: A Multi-factor Sequence Fusion Framework for Empathetic Response Generation》（作者：庞小兵、王业全、樊思琪、陈力思、商烁[通讯作者]、韩鹏）。本文主要针对自然语言处理当中的共情回复任务展开研究，提出了基于细粒度情感标签和预训练语言模型的共情回复生成模型，称为EmpMFF。模型通过编码话语级别的情感标签，准确把握说话者情绪变化，同时利用预训练模型GPT-2去生成流利的文字，为了增加回复的多样性，引入了条件变分自动编码。该模型扮演倾听者的角⾊，能够⽣成与说话者共情的语句进⾏回复。

　　AAAI是人工智能领域顶级会议，位列中国计算机学会推荐国际会议A类，本年度会议投稿近 9000篇，录用率仅为19.6%，会议于今年2月在美国华盛顿召开。WWW同样是人工智能、数据挖掘领域顶级会议，位列中国计算机学会推荐国际会议A类，本年度录取率仅为19.2%，会议将于今年4月在美国德州奥斯丁召开。

　　计算机科学与工程学院（网络空间安全学院）时空大数据与智能团队由国家青年人才商烁教授于2019年创建，近年来围绕大数据、人工智能、智能舆情分析、智能时空计算等方向开展广泛而深入的研究。团队现累计已有3名国家青年人才，博士、硕士研究生20余人，累计发表相关研究领域CCF A类论文100余篇，承担5项国家自然科学基金重点项目。其中商烁教授、陈力思教授已先后入选全球前2%顶尖科学家榜单（World’s Top 2% Scientists）。