2022年9月28日，研究组梁斌同学的博士学位论文《面向社交媒体的方面级情感分析与立场检测研究》被哈尔滨工业大学学位评定委员会第183次会议评为优秀博士学位论文。
该博士学位论文主要面向社交媒体数据，对方面级情感分析和立场检测问题展开深入研究，提出覆盖方面级文本情感分析、方面级多模态情感分析、文本立场检测以及多模态立场检测的研究框架及相应的方法，针对性解决各个问题及涉及子任务研究难点的同时，关注不同问题之间的关联性和研究方法的共通性。主要创新点包括：1）针对方面级文本情感分析中的方面词情感分析和方面类别情感分析两个子任务，以图构建的方式将外部情感知识融入到上下文的建模当中，并提出了一种交互式图卷积神经网络模型，解决了传统方法难以同时对特定方面的上下文情感依赖关系以及句子中不同方面间的情感关系进行建模的问题，有效提升了方面词情感分析和方面类别情感分析的性能，这对情感计算领域的其他问题也有启发意义。2）针对方面级多模态情感分析需要模型针对特定方面对不同模态的信息进行融合的难点，通过构建多模态图的方式对不同模态的特征信息进行显式连接，并基于外部知识和注意力机制进一步针对特定方面对不同模态之间的关键信息进行关联和学习，有效提升了方面级多模态情感分析的性能。并且，所提出的多模态图构建方法可被广泛应用于相关的多模态学习问题上。3）针对文本立场检测任务，提出了一种计算目标自适应立场表达权重的方法，解决了现有研究难以学习词语在不同目标立场表达中所发挥的不同作用的问题，提升了特定目标立场检测的性能。此外，针对零样本立场检测需要识别未见过目标的立场极性的情况，提出了一种可以学习相同立场目标内部关系以及对不同立场目标特征进行区分的分层对比学习策略，提升了未知目标立场检测的性能。所提出的目标自适应立场表达权重计算方法和分层对比学习策略都具有良好的普适性，为其他相关的自然语言处理问题提供了新的研究思路。4）针对目前多模态立场检测的相关研究缺乏公开数据集的情况，设计和构建了两个新的多模态立场检测数据集，并将多模态立场检测问题进行分解，定义了特定目标多模态立场检测和零样本多模态立场检测两个子任务。在此基础上，提出了解决特定目标多模态立场检测的基于前置任务目标导向的多模态图卷积网络模型，以及解决零样本多模态立场检测的基于前置任务目标导向的多模态图对比学习模型。这为推进该问题的研究提供了数据基础、研究方向和解决方法。
梁斌博士在攻读博士学位期间共发表JCR一区国际期刊论文6篇（3篇一作），CCF-A类顶级国际会议论文9篇（6篇一作），CCF-B类重要国际会议论文11篇（4篇一作）。申请中国发明专利6项。所发表的论文得到了领域内中国科学院院士江雷、IEEE Fellow Erik Cambria, Hai Jin、Turing Fellow Sophia Ananiadou等学者的引用和正面评价。在中科院一区期刊Knowledge-based Systems上发表的论文Aspect-Based Sentiment Analysis via Affective Knowledge Enhanced Graph Convolutional Networks获领域内IEEE Fellow Erik Cambria收录于麻省理工提出的情感知识库SenticNet典型论文列表当中，SCI他引32次。论文相关学术研究成果已经在大规模真实应用中落地，并取得良好效果。
审稿：徐睿峰
校正：王 丹
