学术报告

本次学术报告旨在带领听众完成图匹配网络相关知识入门。首先介绍了图匹配网络的基本概念；随后以GMN和MGMN为例讲解了图匹配网络的两种经典范式，详细阐述了图匹配网络的基本原理和应用场景；最后从任务细化、关系扩展和前沿技术引入三个角度说明了图匹配网络的前沿发展。扩展实验室同学在面对图相似度学习任务时的处理思路。

本次报告主要从Transformer框架入手，介绍基于Transformer模型的时间序列分析方法。针对Transformer模型的位置嵌入、注意力机制、模型架构三个方向在时间序列分析任务中的适应性改进方法进行总结。针对性的讲解Informer模型，并分析其在三个方向中的改进，进一步加深对模型的改进方法的理解。

本次学术报告对以往实验室软件系统/代码质量评估的研究方向做了一个总结并引出新的概念：代码异味检测。针对代码异味概念，生成原因和研究最新的方向进行了探讨。同时结合两篇论文，从多异味检测的通用性和单异味检测的特异性说明问题和难点。有助于读者进一步理解代码异味检测和代码质量评估，也启发遵守通用规范编程的意识。

本报告介绍了单词级文本对抗攻击（Word-Level Attack）的背景和基本原理，展示了在OpenAttack和TextAttack两类开源工具上的测试样例，并分别讲述了基于义原替换和粒子群算法的攻击方法、基于掩码语言模型生成对抗样本方法，最后概括了两类算法的优势和不足，以及未来的发展方向。

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