地点：工业中心101会议室

参会人员：戴青云、雷方元及知识产权大数据重点实验室研究生

本次会议采用线上线下相结合的方式展开，主要围绕21级研究生学位论文的开题报告内容，由实验室21级研究生罗翔敏、陈紫威、许龙、郑学聪、李晓龙、马亚坤进行汇报，主要从开题报告内容展开讲述、介绍自身研究情况。

罗翔敏汇报主要内容为基于图表示学习的时间序列异常检测方法研究，介绍了偏离主体分布的异常序列，以及时间序列异常检测的多个应用场景，针对时间序列数据中的复杂关系，输入数据和异常类型的不同，特征信息挖掘难度大等问题，提出了基于图表示学习的方法，从利用图结构对时间序列数据建模，挖掘不同时间序列中的潜在特征信息。并且提出了使用多尺度以及掩蔽建模的方式，针对模型的鲁棒性问题。还介绍了时间序列异常检测、图表示学习的研究现状以及未来拟采取的方法、架构。

陈紫威汇报了基于超图网络的图分类方法研究，主要从背景与意义、架构内容、研究方案、研究基础与预期成果四个方面出发。对于天然图网络结构和非天然图网络结构的数据，分别提出了基于增强超图Transformer图分类框架和基于多通道自适应超图卷积网络。目前查阅了大量国内外相关文献，对与提出的两个模型积累了大量的理论基础，对与实验所需硬件和软件平台已搭建完成。

许龙汇报的主要内容为版权存证系统中的增量学习检索方法研究，介绍了版权存证系统的背景和意义，版权存证系统中基于深度学习的图像检索存在着灾难性遗忘问题，重新训练模型费力费时，结合增量学习去仅使用新数据进行模型的更新，从而减少了模型训练过程中的算力、时间消耗，还介绍了增量学习研究现状、以及研究拟采取的架构。

李晓龙汇报主要内容为：基于知识图谱的药品推荐算法研究，用到的主要方法是对话推荐系统：首先，将对话历史中的信息实体(疾病和症状信息)链接到外部知识图，然后，将这些信息实体和对话中提到的项目(药品)组合在一起，发送给推荐系统。在推荐系统中，这些信息通过图卷积网络在知识图谱上传播，丰富用户的表示信息。然后，用户的表示信息发送回对话系统，使对话系统能够生成符合用户需求的响应。

郑学聪汇报的为基于多模态融合的肝癌分期方法研究，介绍了研究的背景与现实意义，在研究中将三种模态的信息分别包含了影像、报告中包含的医生经验，以及CNLC分期规则的高级、抽象的知识，本研究通过融合图像、文本的信息，学习三甲医院医生的经验，辅助非三甲医院、偏远地区医院实现分期。

马亚坤汇报内容主要是基于模糊网络的心电信号分类方法研究涉及到的关键问题以及相关研究方案。

   老师们对汇报人员的开题报告内容、PPT制作提出了详细的指导意见和建议。