研究方向
实验室的研究方向涵盖多模态深度学习、自然语言处理、大语言模型与知识图谱、大数据管理、时间序列挖掘与图挖掘——把复杂异构的数据转化为知识。
多模态深度学习
多模态深度学习是实验室的核心研究方向。团队关注模型如何在语言与视觉之间实现信息的对齐、融合与生成。
自然语言处理与情感分析
面向观点与对话的细粒度理解:方面级情感分析、多模态情感分析、对话摘要与文本理解。
大语言模型与知识图谱
在多模态与自然语言处理研究的基础上,实验室探索如何借助知识图谱与外部检索增强大语言模型,使其给出更可靠的回答。
大数据管理与查询优化
面向海量文本与基因数据的高效相似性搜索、近似匹配与查询处理。
时间序列与时空数据挖掘
基于注意力机制的时间序列预测、交通流量预测与网络异常检测。
社交网络分析与图挖掘
面向大规模社交网络与信息网络的社区搜索、社区结构与信息传播研究。
