365英国上市官网在线院

信息技术研究生论坛

时间：2022年6月17日（星期五）8:00-12:00

地点：365英国上市官网在线院807B教室

报告题目一：游戏用户个性化难度感知建模与流失预测研究

报告人：钱韦伟

报告简介：用户流失是网络游戏运营中严重的负面用户反馈，这意味着用户由于各种原因失去了对这款产品的使用动机，并在很长一段时间内不会再回归。因此用户流失预测一直是游戏乃至所有互联网产品运营中最具有挑战性的问题之一，对保证客户量、增强企业竞争力而言有着重要意义。随着互联网和信息技术的飞速发展，海量用户行为数据为挖掘用户的行为习惯、识别具有流失倾向的用户提供了全新的思路与方法。本报告将对以往研究进行回顾，针对用户感知难度、用户交互行为以及用户流失数据之间的关联进行深入的阐述与分析，并对近期的用户难度感知模型与用户流失预测模型的最新研究进行介绍。报告的最后将对用户个性化难度感知与用户流失预测未来的研究方向进行展望。

报告题目二：基于深度学习的知识追踪研究

报告人：黄欣悦

报告简介：知识追踪是教育数据挖掘领域的一个重要研究方向，其目标是通过建立学生知识状态随时间变化的模型，来判断学生对知识的掌握程度并从学生的学习轨迹中挖掘出潜在的学习规律，从而提供个性化的指导，达到人工智能辅助教育的目的。深度学习因其强大的特征提取能力，已被证明能显著提升知识追踪模型的性能而越来越受到各方重视。本报告以最基本的深度知识追踪模型为起点，全面回顾了该研究领域的研究进展，给出了该研究领域技术改进、演化脉络图，并从针对可解释问题的改进、针对长期依赖问题的改进、针对缺少学习特征问题的改进 3 个主要技术改进方向做了深入阐述和比较分析，同时整理了可供研究者使用的公开数据集，考察了其主要应用。报告最后对基于深度学习的知识追踪的未来研究方向进行了展望。

报告题目三：带有校正机制的自动驾驶车辆轨迹预测研究

报告人：刘宏彪

报告简介：当涉及到车辆技术的发展时，安全是一个关键问题。特别是感知和环境预测，这两者是任何自动驾驶控制架构的关键部分。对周围行人和车辆的轨迹预测是无人驾驶车辆的一项关键任务，可以帮助它们认识到交通环境中的潜在危险，并做出最适当的决策。在实际的交通环境中，车辆可能会相互影响，而且轨迹可能具有多模态和不确定性，这使得准确的轨迹预测成为一种挑战。本报告将对以往车辆轨迹预测任务进行回顾，针对在真实的车路协同场景中，对周围车辆预测的轨迹校正问题和预测的准确性问题进行讲解。报告最后将对轨迹预测的未来研究问题进行展望。

报告题目四：车联网中基于区块链的恶意行为检测研究

报告人：谢林岩

报告简介：车联网的快速发展给大数据存储、智能管理和信息安全带来了巨大的挑战。恶意行为检测是一种验证车联网中节点遭受恶意实体攻击的机制，皆在确认消息的真实性以提高道路安全并减少交通事故。区块链因其去中心化、不可篡改、可追溯等优点被广泛应用于构建安全可靠的车联网系统。本报告将对以往研究进行回顾，针对车联网实体之间协作存在的单点故障、通信负载高、隐私安全性低等问题进行全面分析并深入阐述结合区块链可为车联网恶意行为检测提供的有效路径和解决思路。最后，报告总结了区块链应用在车联网恶意行为检测领域的未来发展趋势。

报告题目五：教育同行互评中提升互评可靠性的研究

报告人：杨攀原

报告简介：随着大规模的在线开放课程(MOOCs)的流行，一门课程的参与人数可以达到成千上万人。这对主观题目作业的批改工作带来了巨大的负担。同行互评，作为目前一种主流的解决大规模作业批改的方式，还存在很多不足之处。本报告将以传统的互评流程为导向，通过流程图展示当前提升同行互评可靠性的主流方法的作用区域，并详细介绍一种定义了评价者可信度和偏置的概率汇总模型。最后对提升教育互评可靠性的未来研究方向进行了展望。

报告题目六：基于用户自适应元学习的用户冷启动推荐的问题研究

报告人：张鸿铭

报告简介：近年来推荐系统被广泛应用在各种在线服务中，提供精确的个性化推荐服务。然而，其面临着新用户带来的严峻的用户冷启动问题。元学习，意为学会如何学习，作为一门新兴技术被应用解决用户冷启动问题。元学习旨在学习一个通用的全局初始化参数，通过少量的标签样本即可快速适应新用户。因此，本报告主要介绍元学习在推荐系统用户冷启动场景中的应用，并进一步介绍其局限性以及改进的自适应元学习推荐方法。

报告题目七：基于模态分解的股票交易策略研究

报告人：舒雅婷

报告简介：股票指数剧有噪声性、波动性和弱平稳性等特点，使得股票指数预测一直是金融领域最具有挑战性的问题之一，慎独学习因其强大的学习能力可以有效的预测非平稳非线性的股票指数，因此本研究首先通过模态分解技术对股票指数进行去噪处理，并结合长短期记忆人工神经网络提出了一个新的深度学习混合预测模型来预测股票指数，并取得了不错的效果，且对于波动性较大的股票指数也有较高的预测性能。

报告题目八：无人驾驶汽车协同感知与协同决策关键技术研究

报告人：韩金磊

报告简介：

无人驾驶汽车是当前学术界和工业界的研究热点，其中环境感知是无人驾驶技术的基础。为了提升车辆对环境感知的精度，现在的主流技术是为无人驾驶汽车安装数量更多、性能更高的传感器，如摄像头、激光雷达、毫米波雷达等。但是，受天气、道路、周围物体等因素的影响，无人驾驶汽车仍然存在感知盲区，会对交通安全带来不利影响。因此，使车辆之间、车辆与道路基础设施之间进行协同感知与协同决策是解决上述问题的重要途径。本次报告总结了自动驾驶领域协同环境感知及协同决策的研究现状以及未来的发展趋势。

欢迎广大师生踊跃参加！