2024年6月，井然同学完成的题为《基于去偏和说话人泛化的对话情感识别方法研究》和王木一同学完成的题为《基于多任务联合建模的论辩挖掘方法研究》的毕业论文荣获2024届哈尔滨工业大学（深圳）优秀本科毕业设计（论文）。本年度计算机科学与技术学院共评选出16篇优秀本科毕业设计（论文），获奖率约为3%。    

井然同学论文主要研究对话情感分析，提出了去偏和说话人泛化的方法对现有模型的情感分析性能和泛化能力进行增强，主要包括：（1）提出了一种基于零训练去偏差框架的对话情感分析方法以缓解数据集存在的偏差导致模型预测不公平的问题。该方法通过生成反事实的话语和上下文从模型中提取偏差，然后从预测结果减去偏差，得到最终的预测结果，在三个公开数据集上取得了目前的最优性能。（2）提出了一个基于说话人泛化框架的对话情感分析方法以解决模型在未见说话人上情感分析性能较差的问题。该方法利用原型作为已见过和未见过说话人之间的桥梁，通过对比学习将来自同一说话人的话语拉近，同时将来自不同说话人的话语推开。另外，该方法还引入了基于不确定性的说话人泛化以进一步增强模型的泛化能力。目前该方法在两个公开数据集上取得了最优性能。    

井然同学的论文相关研究成果已获得CCF-B类会议EMNLP（共同一作）主会录取，并已投稿一区期刊IEEE Trans. Affective Computing（共同一作）。    

王木一论文主要研究论辩挖掘，针对现有顺序建模不足问题，提出了一种基于多任务联合建模的论辩挖掘方法，以整合并同时解决论辩挖掘中的三个子任务，即论辩部件分类（ACTC）、论辩关系识别（ARI）和论辩关系分类（ARTC）子任务。该方法以生成式预训练模型 BART 为基础模型，借助提示微调和图神经网络实现多任务联合建模，在两个公开数据集上取得了目前的最优性能。    

王木一同学的论文相关研究成果已被CCF-A类会议ACL（共同一作）录用。    

   

   

   

   

   

   

审稿：徐睿峰    

校正：王   丹