貴大新聞網訊（大數據與信息工程學院）近日，我校大數據與信息工程學院2022級數據科學與大數據技術專業本科生陳嘉睿以第一作者身份撰寫的論文 Confidence-Enhanced Dual-Space Semantic Alignment for Partial Multi-View Incomplete Multi-Label Classification 被國際期刊Knowledge-based Systems收錄。Knowledge-based Systems是計算機科學領域的權威期刊，被中國科學院分區列為一區TOP期刊，在學術界享有盛譽，該期刊主要關注基于知識和其他人工智能技術的系統研究。

陳嘉睿的主要研究方向包括多視圖學習、多標簽分類等。在這篇發表的論文中，他提出一種置信度增強的雙空間語義對齊（CDSA）框架，該框架通過動態置信度加權機制（DCW）和基于標簽的語義對齊（LSA）方法，平衡不同視圖的信息質量差異，減少語義不一致性，旨在解決多視圖多標簽分類中視圖缺失和標簽不完整帶來的挑戰。

多視圖多標簽分類（MvMLC）作為一種結合多視圖學習和多標簽分類的技術，因其能夠利用多個視角為樣本分配多個標簽而廣泛受到研究者關注。然而，MvMLC在現實應用中經常面臨視圖和標簽缺失的問題，這些問題往往來源于數據采集的不完整、傳感器故障或人工標注成本高且耗時。盡管現有方法已經嘗試解決這些問題，但它們在處理不同視圖之間語義信息差異方面仍存在不足，特別是由于不同視圖提供的信息可靠性和重要性存在差異。

為應對這些挑戰，論文提出了一種信任度增強的雙空間語義對齊（CDSA）框架。與以往依賴靜態貢獻分配的視圖嵌入方法不同，CDSA框架引入了一種動態置信度加權機制（DCW），該機制通過任務特定的信任度估計量化每個視圖相對于下游任務的可靠性，平衡不同視圖之間的信息質量差異。此外，為進一步解決視圖間的語義差異，論文提出了基于標簽的語義對齊（LSA）方法，旨在最小化樣本間語義結構的不一致性，從而保證語義結構的一致性并減少對齊問題。最終，陳嘉睿同學設計了一個雙空間策略，包括原始空間和信任度映射空間，該策略能夠在這兩個空間中有效集成DCW和LSA，提升模型在缺失或低質量數據下的可靠性和性能。通過在五個基準數據集上的廣泛實驗，CDSA框架在處理不完整數據時表現出顯著優于現有方法的效果，驗證了其有效性。    

陳嘉睿表示：“論文的順利發表離不開學校提供的優越環境和資源，我特別感謝大數據與信息工程學院老師們的細心指導和同學們的支持與鼓勵，尤其感謝盧曉寰老師在研究過程中給予的悉心指導與幫助，其專業知識和寶貴意見為我的研究工作提供了重要方向。同時，學院領導在我研究過程中的悉心教誨和大力支持，也為我的研究工作提供了動力。通過這次研究與論文寫作的歷程，我不僅提升了學術能力，還培養了堅韌的毅力和獨立的思考能力，深刻認識到學術研究的嚴謹性與重要性。今后，我將以此為新的起點，繼續努力，不斷在學術領域探索與前行。”

編輯：張蟬

責編：李旭鋒

編審：丁龍