1(上海市高可信计算重点实验室 (华东师范大学), 上海 200062) 2(高可信软件技术教育部重点实验室(北京大学), 北京 100871) 3(北京大学 计算机学院, 北京 100871)通信作者: 陈小红, E-mail: xhchen@sei.ecnu.edu.cn; 金芝, E-mail: zhijin@pku.edu.cn摘要: 形式化方法在需求一致性验证领域已经取得了显著的成就. ...

(复旦大学 计算机科学技术学院, 上海 200433)通信作者: 黄凯锋, E-mail: kaifenghuang@fudan.edu.cn摘要: Python丰富的开发生态提供了多种多样的第三方库, 极大地提高了开发者的开发效率和质量. 第三方库开发者通过对代码底层的封装, 使得上层应用开发者只需调用API就可以使用相关功能, 从而快速完成开发任务. 然而, 第三方库API不会保持恒定不变. ...

1(计算机软件新技术国家重点实验室 (南京大学), 江苏 南京 210093) 2(南京大学 软件学院, 江苏 南京 210093) 3(苏州大学 数学科学学院, 江苏 苏州 215006)通信作者: 房春荣, E-mail: fangchunrong@nju.edu.cn摘要: 随着深度学习技术在计算机视觉与自然语言处理等领域取得巨大成功, 软件工程研究者开始尝试将其引入到软件工程任务求解当中....

1(南方科技大学 斯发基斯可信自主系统研究院, 广东 深圳 518055) 2(南方科技大学 计算机科学与工程系, 广东 深圳 518055) 3(深圳艾提亚科技有限公司, 广东 深圳 518067)通信作者: 张煜群, E-mail: zhangyq@sustech.edu.cn摘要: 随着信息化的深入, 大量应用程序的开发和功能迭代不可避免引入软件缺陷, 并潜在地对程序可靠性和安全性造成了严重...

1(计算机软件新技术国家重点实验室(南京大学), 江苏 南京 210093) 2(南京大学 软件学院, 江苏 南京 210093) 3(天津大学 智能与计算学部, 天津 300350) 4(华为公司 软件工程应用技术实验室, 浙江 杭州 310007)通信作者: 李传艺, E-mail: lcy@nju.edu.cn摘要: 缺陷自动定位方法可以极大程度减轻开发人员调试和维护软件程序的负担. 基于信...

(苏州大学 计算机科学与技术学院, 江苏 苏州 215006)通信作者: 周夏冰, E-mail: zhouxiabing@suda.edu.cn摘要: 作为任务型对话系统的一个核心部分, 槽填充任务通过识别话语中存在的特定槽实体来服务于后续的下游任务. 但是, 针对一个特定领域, 需要大量有标记的数据作为支撑, 收集成本较高. 在此背景下, 跨领域槽填充任务出现, 该任务通过迁移学习的方式高效地...

1(中国科学院大学, 北京 100049) 2(中国科学院 软件研究所 软件工程技术研究开发中心, 北京 100190) 3(中国科学院大学南京学院, 江苏 南京 211135) 4(中科南京软件技术研究院, 江苏 南京 211135)通信作者: 张文博, E-mail: zhangwenbo@otcaix.iscas.ac.cn摘要: 近年来, 深度学习研究成果在全球范围内得到广泛应用. 为了提...

(苏州大学 计算机科学与技术学院, 江苏 苏州 215006)通信作者: 张栋, E-mail: dzhang@suda.edu.cn摘要: 知识图谱补全任务旨在根据已有的事实三元组(头实体、关系、尾实体)来挖掘知识图谱中缺失的事实三元组. 现有的研究工作主要致力于利用知识图谱中的结构信息来进行知识图谱补全任务. 然而, 这些工作忽略了知识图谱中蕴含的其他模态的信息也可能对知识图谱补全有帮助. 并...

(苏州大学 计算机科学与技术学院, 江苏 苏州 215008)通信作者: 李俊涛, E-mail: ljt@suda.edu.cn摘要: 先前的预训练语言模型已在众多自然语言理解任务中展现了其卓越的性能. 然而, 它们常表现出捷径学习的问题, 即学习了非鲁棒性特征与标签之间的虚假关联, 导致模型在不同于训练分布的测试场景中的泛化能力不佳. 近期, 生成式预训练大模型在理解任务中的出色表现引起了广泛...

1(苏州大学 计算机科学与技术学院, 江苏 苏州 215006) 2(腾讯AI Lab, 广东 深圳 518000)通信作者: 陈文亮, E-mail: wlchen@suda.edu.cn摘要: 自训练是缓解标注数据不足问题的常见方法, 其通常做法是利用教师模型去获取高置信度的自动标注数据作为可靠数据. 然而在低资源场景关系抽取任务上, 该方法不仅存在教师模型泛化能力差的问题, 而且受到关系抽取...

(中国人民大学 信息学院, 北京 100872)通信作者: 孟小峰, E-mail: xfmeng@ruc.edu.cn摘要: 近年来, 机器学习在人们日常生活中应用愈发广泛, 这些模型在历史数据上进行训练, 预测未来行为, 极大地便利了人们生活. 然而, 机器学习存在隐私泄露隐患: 当用户不希望个人数据被使用时, 单纯地把其数据从训练集中删去并不够, 已训练好的模型仍包含用户信息, 可能造成隐...

(苏州大学 计算机科学与技术学院, 江苏 苏州 215006)通信作者: 李培峰, E-mail: pfli@suda.edu.cn摘要: 多模态信息抽取任务是指从非结构化或半结构化的多模态数据(包含文本和图像等)中提取结构化知识.其研究内容主要包含多模态命名实体识别、多模态实体关系抽取和多模态事件抽取. 首先对多模态信息抽取任务进行分析, 然后对多模态命名实体识别、多模态实体关系抽取和多模态事件...