時間：2022年4月29日（星期五）15:00-16:30

地點：澳门太阳集团9728网站807教室

報告題目一：基于Informer模型的時間長序列預測研究

報告人：杜曉敬

報告簡介：首先介紹時間序列預測的相關背景和課題來源。然後對比基于Transformer模型改進的Informer模型的優點，也就是本研究的主要貢獻。本研究對比了Time-series methods: ARIMA, DeepAR, Prophet, LSTMa, LSTnet；Transformer-based methods: vanilla Transformer, Reformer, LogSparse Transformer等模型，并通過在真實數據集（tricity Transformer Dataset）和公共數據集（Electricity Consuming Load、Weather）進行驗證，取得更好的結果。提出的方法可以為其它領域帶來好處，如文本、音樂、圖像和視頻的長序列生成。

報告題目二：基于複雜網絡的遊戲用戶模型研究

報告人：韓宗钊

報告簡介：首先介紹近年遊戲行業的火爆引起社科經濟界的關注，這些研究專注定性理論，缺少數理邏輯的分析。傳染病模型可以擴展到社會文化傳播現象中去，但傳統的傳染病模型多為平均場模型，網絡結構是同質規則結構，與真實世界相差較大。複雜網絡理論是研究複雜網絡本身以及複雜系統的研究，能夠更好地解釋和闡述真實世界。報告将傳染病模型與複雜網絡相結合，同時加入創新傳播模型的異質阈值選擇，解釋了遊戲行為傳播的現象，填補了研究空白。

報告題目三：基于對比學習強化句向量表示的研究

報告人：謝澤

報告簡介：對于很多自然語言處理任務來說，學習到一個良好的句向量表示是非常重要的。例如在向量檢索，文本語義匹配等任務中，模型将輸入的兩個句子進行編碼得到句向量，然後計算句向量之間的相似度，從而判斷兩個句子是否匹配。從視覺領域對比學習的成功可以看出，對比學習在表征學習，尤其是無監督的環境下，能起到不錯的效果。一個自然的想法是，在NLP的句表示學習任務中，加以應用，從而強化模型學習到的句子表征能力。

歡迎廣大師生踴躍參加！