计算机学院2019级本科生李骅航在数据挖掘国际顶级学术会议上报告高层次成果

第31届ACM国际信息与知识管理大会（The 31th ACM International Conference on Information and Knowledge Management ,CIKM 2022）于2022年10月17-21日在美国亚特拉大举行，计算机学院2019级计算机科学与技术（师范）专业本科生李骅航在学院青年英才老师李双印的指导下，以共同第一作者身份在CIKM 2022上发表学术论文（学校二类层次成果），并进行了线上大会报告。该论文题目为“CoPatE: A Novel Contrastive Learning Framework for Patent Embeddings”，方向为文本数据挖掘。

CIKM（CCF B类会议）是数据库、数据挖掘、内容检索领域的顶级国际学术会议，本科生通过参与计算机学院导师的科研项目，取得高质量的科研成果并在这个领域被认可，实属不易。这体现了计算机学院在鼓励更多青年教师进行学术创新，加强本科生参与前沿科学研究指导力度方面的探索取得一定成效。

附成果详情：

在文本挖掘领域中，如何针对长文本（例如科技文献数据中的专利文本）进行有效的信息检索一直是一个热点问题。专利是发明者在一定时期内保护其发明产权的法律文献，在当今的技术发展中发挥着重要作用。随着每年专利数量的不断增加，要从大量的专利中确定一项发明与现有技术的不同之处，这就需要一个高效的专利管理和检索系统。然而，现阶段广泛使用的仍然是基于关键字的传统布尔检索，这需要复杂的布尔表达式并且检索性能不佳，在后期处理中也需花费较多的人力进行过滤。为了解决这些问题，李双印老师团队提出的对比学习框架CoPatE，设计了一个语义压缩模块来提取专利权利要求的关键信息，从而降低了算法的时空的复杂度。为了获得与标签相关的专利嵌入，该框架同时提出了一种标签辅助学习方法，使模型不仅关注文本信息，而且还考虑专利的类别信息。另外，该框架创新性地设计了一种更加有效的监督对比学习损失函数，使其更适合于专利文献，从而有效地改善了表示向量在潜在嵌入空间中的分布。最终，CoPatE获得了精度极高的专利向量表示，并在专利检索和专利分类这两项任务上均取得了极佳的效果。