bfs

推荐系统通过发掘用户的行为，找到用户的个性化需求，从而将物品准确推荐给需要它的用户，帮助用户找到他们感兴趣但很难发现的物品，本文初步介绍了推荐算法的整体框架，并且介绍了两种使用图注意力网络的推荐算法，谢谢大家

本次学术报告对实验室以往在源代码漏洞检测方向的积累做一个总结，展望未来的发展方向，从技术和应用两个视角审查当前源代码漏洞检测面临的问题。进一步从泛化性、细粒度漏洞检测两个方面进行论文分享。帮助读着理清源代码漏洞检测的发展脉络和主流检测方法。

随着智慧教育系统（Intelligent Tutoring System, ITS）的快速发展，ITS以其时空约束少、便捷程度高和个性化定制学习的优势，在现代教育事业中获得广泛关注与使用，产生了规模巨大的教育数据。然而，由于ITS中的知识种类繁杂，需要学生自己从各种冗余信息中进行查找检索，导致ITS的学习资源和学习路径多样化优势无法发挥。因此，如何利用数据挖…

本报告介绍了开放式信息抽取（OIE）的基本概念，展示了Neural OIE的两大类方法原理，并分别讲述了基于Transformer的Nerual OIE技术和利用Meta-Learning处理多领域OIE的方法，最后简要梳理了Neural OIE当前的主要问题和发展方向。

研究深度半监督聚类方法，首先利用自编码器对高维数据降维处理，同时提取构建三种范围的约束信息：主动构建的成对约束、带标签的种子约束、簇间大小比例约束；最后融合三种约束信息指导编码器训练，多目标联合优化，获得聚类结果

扩散模型在数据生成的众多领域上呈现出了非常好的效果。然而，在实际应用过程中，扩散模型的采样原理导致其生成速度非常缓慢，严重限制了模型的实际应用效果。为了对采样生成过程进行优化，近年来许多采样方法将模型的采样步数从1000降低到了50，20，甚至可以一步生成。一系列的研究和实际应用促进了扩散模型加速采样的极致演变。

本报告介绍了联邦学习领域后门攻击与防御的基本概念、联邦学习的训练流程，分别聚合规则和聚类规则的后门防御算法进行具体说明，阐述了联邦学习领域后门攻击与防御的发展方向及个人思考。

本报告介绍了深度神经网络鲁棒性评估方法的基本概念和评估方式，并讲述了两种评估方法，分别从定性分析和定量计算两个角度讲述了如何对鲁棒性进行评估，提升对深度神经网络鲁棒性和评估方法的认识。