2023年9月26日下午16點，尊龙凯时(中国)與人工智能學院第三十四期研究生學術論壇在崇真樓南樓A4030成功舉辦。本次論壇由2021級研究生章志鑫、秦忠正、楊啓航、文吾琦主講，學院研究生會主辦，學院阮曉莉老師出席了該論壇。
章志鑫同學分享主題是“基于最優運輸的表格檢索方法”，以給定用戶查詢對結構化表格對象列表進行排序爲目的，解決以往一些方法在較複雜和困難的查詢任務中欠佳的檢索性能，他提出了基于最優運輸的表格檢索方法。先將表格序列化爲文本，然後利用最優運輸對文本進行主題摘要提�。钺嵬ㄟ^查詢和提取的表格主題摘要對表格對象進行排序。此外，通過改進最優運輸的兩種搜索策略，進而將其適用于表格檢索任務。在多個數據集上進行了實驗，並表現出了良好的性能。
秦忠正同學分享的主題是“生成式標簽對抗的文本分類模型”，以將文本數據分配到預先定義的類別中爲切入點。利用圖卷積神經網絡與大規模的預訓練模型相結合在分類任務中取得了良好的效果。針對GCN在大規模異構圖中無向的信息傳遞産生信息噪聲影響模型的判斷這一問題，生成式標簽對抗模型模型能降低分類時無關信息的幹擾，提升模型的分類性能。最後，在多個廣泛使用的數據集中進行了實驗，實驗結果表明在泛用的分類數據集20NG、R8、R52、Ohsumed、MR上，CAGCN模型的分類准確率比BertGCN模型有所提高。
杨启航同学分享的主题是“CREAM: Named Entity Recognition with Concise query and REgion-Aware Minimization”，他基于命名实体识别(NER)领域的兴趣，为了缓解高计算成本，对实体内容信息的有限考虑，以及产生明显边界的倾向等基于mrc的模型所面临的问题，引入了CREAM，一种利用简明查询和区域感知最小化的增强模型。基于实体类别生成简洁的查询，通过有效的连续交叉熵损失来识别整个实体。进一步提供了深入的分析来揭示它们的好处。该方法在六个著名的NER基准上进行了评估。实验结果证明了它的显著有效性，超越了目前最先进的模型。
文吾琦同学分享的主题是“基于多模态嵌入对齐的共语手势生成”，他注意到手势中丰富的多模态信息。在研究中提出了一种用于协同语音手势生成的新型框架，名为"多模态联合嵌入手势生成"（Multimodal Joint Embedding for Gesture，MJEG）。在MJEG中，分层手势编码器提取多模态的手势表征。为了创建逼真生动的协同语音手势，该模型为手势-音频和手势-文本学习了两个联合嵌入。提出了一种嵌入对齐四元对比学习策略，以改进联合嵌入空间的对齐。使用WGAN-GP进行对抗训练，并采用一种新颖的非对称训练方法来加速和平衡GAN学习。广泛的实验表明，所提出的方法能产生逼真的协同语音手势，其性能明显优于以前的方法。
