2023年9月26日下午16點，k8凯发国际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、楊啟航、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「基於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為目的，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，他提出了基於最優運輸的表格檢索方法。先將表格序列化為文本，然後利用最優運輸對文本進行主題摘要提取，最後通過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，進而將其適用於表格檢索任務。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「生成式標籤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為切入點。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產生信息噪聲影響模型的判斷這一問題，生成式標籤對抗模型模型能降低分類時無關信息的干擾，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模型的分類準確率比BertGCN模型有所提高。

楊啟航同學分享的主題是「CREAM: Named Entity Recognition with Concise query and REgion-Aware Minimization」，他基於命名實體識別(NER)領域的興趣，為了緩解高計算成本，對實體內容信息的有限考慮，以及產生明顯邊界的傾向等基於mrc的模型所面臨的問題，引入了CREAM，一種利用簡明查詢和區域感知最小化的增強模型。基於實體類別生成簡潔的查詢，通過有效的連續交叉熵損失來識別整個實體。進一步提供了深入的分析來揭示它們的好處。該方法在六個著名的NER基準上進行了評估。實驗結果證明了它的顯著有效性，超越了目前最先進的模型。

文吾琦同學分享的主題是「基於多模態嵌入對齊的共語手勢生成」，他注意到手勢中豐富的多模態信息。在研究中提出了一種用於協同語音手勢生成的新型框架，名為"多模態聯合嵌入手勢生成"（Multimodal Joint Embedding for Gesture，MJEG）。在MJEG中，分層手勢編碼器提取多模態的手勢表徵。為了創建逼真生動的協同語音手勢，該模型為手勢-音頻和手勢-文本學習了兩個聯合嵌入。提出了一種嵌入對齊四元對比學習策略，以改進聯合嵌入空間的對齊。使用WGAN-GP進行對抗訓練，並採用一種新穎的非對稱訓練方法來加速和平衡GAN學習。廣泛的實驗表明，所提出的方法能產生逼真的協同語音手勢，其性能明顯優於以前的方法。