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。

  1. 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。

    • 文本生成图像
    • 图像描述生成
    • 视觉定位
    • 人物交互检测
    • 视觉语言模型
    • 多模态联邦学习
  2. 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。

    • 方面级情感分析
    • 多模态情感分析
    • 对话摘要
    • 敏感性检测
    • 代码摘要
    • 命名实体识别
  3. 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。

    • 检索增强生成
    • 知识图谱
    • 智能问答
    • 推荐系统
  4. 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。

    • 相似性连接
    • 近似字符串匹配
    • 压缩基因数据检索
    • 查询优化
    • Web 数据抽取
  5. 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。

    • 时间序列预测
    • 交通流量预测
    • 异常检测
  6. 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。

    • 社区搜索
    • 社交网络分析
    • 信息传播
    • 团队形成