2025年6月，研究团队博士生王冰冰的论文《Reply with Sticker: New Dataset and Model for Sticker Retrieval》获音频、语音与语言处理领域顶级国际期刊IEEE/ACM Transactions on Audio, Speech, and Language Processing录用。

随着社交媒体和即时通讯工具的广泛应用，表情包（sticker）已成为用户生动、委婉、直观地表达情感、态度与意图的重要媒介。然而，当前大多数表情包检索模型仅将表情包作为用户话语的补充，忽视了其在直接回应对话历史中的作用。

为此，本文提出了一种新的视角—基于对话意图的表情包检索机制，并构建了一个面向该任务的新数据集StickerInt，其中表情包可用于回复之前的对话或补充用户的话语。基于已创建的数据集，本文提出了一个对话表情包检索框架Int-RA（Intent-aware Representation and Retrieval Architecture）。该框架采用两阶段设计，包括一个知识增强的意图预测器，用于将意图信息引入对话表征，以及一个关系感知的表情包选择器，通过跨模态关系检索回复表情包。在两个数据集上进行的大量实验表明，该模型在表情包检索方面达到了目前最佳性能和泛化能力。

方法框架图

IEEE/ACM Transactions on Audio, Speech, and Language Processing（TASLP）是自然语言处理与语音计算领域的国际顶级期刊，由IEEE信号处理学会出版，涵盖音频技术、语音处理及语言计算三大方向。该刊2024年影响因子为4.1，位列JCR Q1分区，是中国计算机学会推荐的B类期刊、中国人工智能学会（CAAI）和清华推荐的A类期刊。

论文信息：

Bin Liang†, Bingbing Wang†, Zhixin Bai, Qiwei Lang, Mingwei Sun, Kaiheng Hou, Lanjun Zhou, Ruifeng Xu*, and Kam-Fai Wong. Reply with Sticker: New Dataset and Model for Sticker Retrieval. IEEE/ACM Transactions on Audio, Speech, and Language Processing. 2025.