近日，大连理工大学软件学院刘晗副教授所在科研团队在数据挖掘、信息检索领域取得突破性成果。多篇论文被国际顶级会议录用，录用的论文围绕小样本、零样本学习展开，重点解决情感分析、对话系统应用中存在的难题。相关成果分别发表于数据挖掘领域CCF A类会议KDD 2022，信息检索领域CCF A类会议SIGIR 2022。
成果一：Label-enhanced Prototypical Network with Contrastive Learning for Multi-label Few-shot Aspect Category Detection（KDD 2022）
该成果由刘晗副教授、张枫（2021级研究生，北京大学）、张晓彤副研究员、赵思洋（2021级研究生，大连理工大学）、孙俊杰（2021级研究生，大连理工大学），于红副教授，张宪超教授共同完成。方面类别识别是情感分析中的一个基本任务，旨在识别用户评论中的方面类别。由于用户经常从不同方面进行评论，因此多标签方面类别识别更具有应用价值。然而，目前的多标签方面类别识别方法依赖大量的标注数据进行训练，耗费人力物力。针对以上问题，文章基于小样本学习，提出了融合对比学习的标签增强原型网络。首先，利用标签类别信息产生更具判别性的原型，这解决了普通原型网络对多标签语句可能产生相同原型的问题。此外，文章在多标签的场景下融合了对比学习，促进模型学习更好的文本表示。文章也采用了一种简单有效的方式进行适应性的标签数量预测。
成果二：A Simple Meta-learning Paradigm for Zero-shot Intent Classification with Mixture Attention Mechanism（SIGIR 2022）
该成果由刘晗副教授、赵思洋（2021级研究生，大连理工大学）、张晓彤副研究员、张枫（2021级研究生，北京大学）、孙俊杰（2021级研究生，大连理工大学），于红副教授，张宪超教授共同完成。意图识别是对话系统中至关重要的环节，它的准确性将直接影响后续模块的效果。传统意图识别算法依赖于大规模、高质量的标注数据。然而，随着任务场景愈加广泛，用户意图愈渐多样，零样本意图识别任务应运而生。文章首先引入一种新的混合注意力机制编码单词出现模式，优化语句特征表征。然后提出了一种简单有效的零样本意图识别元学习范式，从而大幅提升了模型的泛化能力。
ACM SIGKDD Conference on Knowledge Discovery and Data Mining（简称KDD）是数据挖掘领域最权威的顶级国际学术会议，是中国计算机学会（CCF）推荐的A类学术会议。
ACM SIGIR Conference on Research and Development in Information Retrieval（简称SIGIR）是信息检索领域最权威的顶级国际学术会议，是中国计算机学会（CCF）推荐的A类学术会议。
团队相关教师信息：
刘晗副教授：http://faculty.dlut.edu.cn/liuhan/zh_CN/index.htm。
张晓彤副研究员：http://faculty.dlut.edu.cn/zhangxiaotong/zh_CN/index.htm。
于红副教授：http://faculty.dlut.edu.cn/2003011105/zh_CN/index.htm。
张宪超教授：http://faculty.dlut.edu.cn/zhangxianchao/zh_CN/index.htm。
