2022年6月10日上午9點30分，伟德国际BETVlCTOR第二屆“研學論道”研究生學術沙龍第六期（總第二十一期）順利舉辦。
本期邀請了2018級博士生劉家倫、2018級博士生張一嘉和2019級博士生梁世甯進行學術分享。他們分享的主題分别是長尾分布下的特征學習、推薦系統，以及文本因果關系。本次學術沙龍旨在提升我院研究生綜合能力，活躍學術氛圍以及促進學術交流。活動由伟德国际BETVlCTOR研究生會幹事王子昌主持，以騰訊會議的方式線上舉行。
會議第一階段，講者劉家倫帶來了以“長尾分布下的特征學習”為主題的論文分享。講者首先介紹了長尾分布，這是一種數據不平衡的極端情況，例如在一個數據集中，種類多的數據被稱為頭部類，種類少的數據被稱為尾部類，這樣分布不均的情況為深度模型的學習帶來了巨大的挑戰。針對這個問題，講者提出了Feature Cloud,MBJ（Memory-based Jitter）,MAUM（Memory-Augmented Unidirectional Metrics）三種方法，緩解了尾部類數據在模型學習過程中類内多樣性不足的問題，并在長尾特征學習以及長尾分類學習兩個任務中都驗證了方法的有效性。
會議第二階段，講者張一嘉帶來了以“推薦系統”為主題的論文分享。講者說道，目前推薦系統在各大電商平台中都有廣泛的應用，一般可以通過用戶對物品的曆史評論來推測用戶的偏好。但在基于評論文本的深度學習模型中，用戶和物品的特征學習過度依賴文本中的語義特征，當評論數目稀疏時，模型不能很好地利用評論文本數據緩解稀疏性問題。此外，現有的研究還忽略了曆史評分對于用戶和物品特征表示的直接影響。針對以上問題，講者提出了AGCR(Attributed GCN for Rating Prediction)模型，這是一個交互式的特征模型，通過屬性圖卷積方法，将評論與曆史評分都作為交互關系，融合到用戶和物品特征表示中，在處理稀疏性的問題上有很好的效果，更好地構建了用戶和物品特征表示的問題，提高了推薦系統中評分預測任務的準确性。
會議第三階段，講者梁世甯帶來了以“文本因果關系”為主題的論文分享。作者講道，世間萬物之間存在着廣泛的關聯關系，其中因果關系（causality） 是最主要的關聯形式。于文本中挖掘因果關系是一項與人類認知相對應的複雜而關鍵的自然語言理解任務，這一領域的現有研究可分為兩類：feature engineering-based的方法和neural model-based的方法。講者發現前者雖提供了先驗知識，但具有覆蓋不完整和工具内在錯誤的缺點；後者雖利用了上下文信息，但因果推理不足。針對以上問題，講者綜合了feature engineering-based和neural model-based方法的優勢，提出了用于因果關系檢測的Multi-level Causality Detection Network（MCDN）模型，并且提出了關系推理模塊SCRN，顯式地對句中的因果關系進行建模。與傳統的神經網絡分類器和預訓練語言模型相比，在性能和開銷之間取得了平衡，同時在隐式因果檢測數據集上進行了廣泛的實驗，MCDN達到了隐式因果檢測的SOTA性能，并在反事實識别任務上獲得了有競争力的結果。
三位講者彙報結束後，都向同學們分享了自己在學術工作中的經驗。講者劉家倫認為有好的idea後，也要保持好的心情去工作，慢慢地進步與成長，不要着急或焦慮；其次要保證身體的健康，身體是革命的本錢。講者張一嘉分享到，有想法方法後要敢于動手、勇于實踐，隻有實踐才能證明方法的合理性和有效性。講者梁世甯則針對期刊和會議的投稿分享了他的寶貴經驗。
至此，本學期的“研學論道”學術沙龍活動圓滿結束。雖然由于疫情原因，本學期的學術沙龍活動全部采用了線上會議的方式進行，但大家對于學術知識分享的渴望與熱情并沒有減退。相信大家都能夠在學術交流中獲得成長，有所進步，這也給我們在未來的活動舉辦中帶來無限的動力與信心。讓我們約定好，下學期再見！
撰稿：李朋洋
圖片：李朋洋
