孙承杰科研成果

基本信息 科学研究 教育教学 论文专著 新建主栏目 基本信息 名称 孙承杰，男，汉族，1980年生，哈尔滨工业大学计算学部计算机科学与技术学院副教授，博士生导师。主要研究方向：自然语言处理、信息抽取、知识图谱和推荐系统。近年来，主持或参加国家自然科学基金项目4项、科技部重点研发计划项目4项和多项校企合作项目。在国内外重要期刊和会议上发表科研论文50余篇，获3项发明专利，2011年获黑龙江省技术发明一等奖。 工作经历 名称 时间 工作经历 2009年1月 - 2014年12月 哈尔滨工业大学计算机科学与技术学院讲师 2011年9月 – 2012年7月 微软亚洲研究院自然语言计算研究组访问学者 2013年9月 – 2014年8月 美国麻省理工学院，计算机科学与人工智能实验室，访问学者 2015年1月至今 哈尔滨工业大学计算机科学与技术学院副教授 教育经历 名称 2004年9月-2008年11月， 就读于哈尔滨工业大学，计算机应用专业 2002年9月-2004年7月，就读于哈尔滨工业大学，计算机科学与技术专业 1998年9月-2002年7月，就读于烟台大学，计算机科学与技术专业 荣誉称号 名称 科研项目 项目名称 全媒体内容质量智能分析与推荐分发关键技术及核心系统 项目来源 国家重点研发计划 开始时间 20201101 结束时间 20231031 项目经费 担任角色 参与 项目类别 纵向项目 项目状态 进行中 简单介绍 项目名称 基于社会化网络的信息推荐方法研究 项目来源 国家自然科学基金青年科学基金 开始时间 2012-01-01 结束时间 2014-12-01 项目经费 担任角色 负责 项目类别 纵向项目 项目状态 完成 简单介绍 奖项成果 奖项名称 网络环境拼音语句输入技术 获奖时间 2011 完成人 所获奖项 黑龙江省科学技术一等奖 简单介绍 研究领域 名称 自然语言处理：信息抽取，知识图谱，文本挖掘，大规模语言模型 网络信息处理与应用：推荐系统，问答系统，社会化网络分析 团队成员 名称 讲授课程 名称 自然语言处理（2018-2024） C语言程序设计 C%2B%2B语言程序设计 大学计算机 Web信息抽取与知识服务（2016-2024） 操作系统（2023） 招生信息 名称 每年计划招收博士生1-2人，硕士生3-4人。 论文 论文标题 Enhancing Recommender System with Multi-modal Knowledge Graph 作者 Chengjie Sun, Weiwei Chen, Lei Lin, Lili Shan 发表时间 202310 期刊名称 The 6th Chinese Conference on Pattern Recognition and Computer Vision 期卷 简单介绍 Recommender systems have shown great potential to solve the problem of information overload and improve user experience in various online applications. To address the data sparsity and cold start problems in these systems, researchers have proposed leveraging knowledge graphs (KGs) as auxiliary information for recommendations, which contain valuable external knowledge. However, most of these works have neglected the diversity of data types, such as texts and images, in multimodal knowledge graphs (MMKGs). In this paper, we propose the Multimodal Knowledge Graph Attention Network to enhance recommender systems by leveraging multi-modal knowledge. Specifically, We propose a multi-modal knowledge graph attention mechanism to facilitate knowledge propagation over MMKGs. The resulting knowledge-enhanced entity embedding representations are utilized for recommendation. Extensive experiments conducted on MovieLens datasets demonstrate the rationality and effectiveness of our model. 论文标题 CroMIC-QA: The Cross-Modal Information Complementation based Question Answering 作者 Shun Qian; Bingquan Liu; Chengjie Sun; Zhen Xu; Lin Ma; Baoxun Wang 发表时间 202310 期刊名称 IEEE Transactions on Multimedia 期卷 简单介绍 This paper proposes a new multi-modal question-answering task, named as Cross-Modal Information Complementation based Question Answering (CroMIC-QA), to promote the exploration on bridging the semantic gap between visual and linguistic signals. The proposed task is inspired by the common phenomenon that, in most user-generated QA scenarios, the information of the given textual question is incomplete, and thus it is required to merge the semantics of both the text and the accompanying image to infer the complete real question. In this work, the CroMIC-QA task is first formally defined and compared with the classic Visual Question Answering (VQA) task. On this basis, a specified dataset, CroMIC-QA-Agri, is collected from an online QA community in the agriculture domain for the proposed task. A group of experiments is conducted on this dataset, with the typical multi-modal deep architectures implemented and compared. The experimental results show that the appropriate text/image presentations and text-image semantic interaction methods are effective to improve the performance of the framework. 论文标题 CCL23-Eval 任务6总结报告:电信网络诈骗案件分类 作者 孙承杰, 纪杰, 尚伯乐, 刘秉权 发表时间 202308 期刊名称 Proceedings of the 22nd Chinese National Conference on Computational Linguistics (Volume 3: Evaluations) 期卷 简单介绍 近年来,电信网络诈骗形势较为严峻,自动化案件分类有助于打击犯罪。本文首先介绍了任务相关的分类体系，其次从数据集、任务介绍、比赛结果等方面介绍并展示了本次评测任务的相关信息。本次任务共有60支参赛队伍报名,最终有34支队伍提交结果。其中有15支队伍得分超过 baseline，最高得分为0.8660，高于baseline 1.6%。根据结果分析，大部分队伍均采用了BERT类模型。 论文标题 Toward Explainable Dialogue System Using Two-stage Response Generation 作者 Shaobo Li, Chengjie Sun, Zhen Xu, Prayag Tiwari, Bingquan Liu, Deepak Gupta, K. Shankar, Zhenzhou Ji, Mingjiang Wang 发表时间 202303 期刊名称 ACM Transactions on Asian and Low-Resource Language Information Processing 期卷 22(3) 简单介绍 In recent years, neural networks have achieved impressive performance on dialogue response generation. However, most of these models still suffer from some shortcomings, such as yielding uninformative responses and lacking explainable ability. This article proposes a Two-stage Dialogue Response Generation model (TSRG), which specifies a method to generate diverse and informative responses based on an interpretable procedure between stages. TSRG involves a two-stage framework that generates a candidate response first and then instantiates it as the final response. The positional information and a resident token are injected into the candidate response to stabilize the multi-stage framework, alleviating the shortcomings in the multi-stage framework. Additionally, TSRG allows adjusting and interpreting the interaction pattern between the two generation stages, making the generation response somewhat explainable and controllable. We evaluate the proposed model on three dialogue datasets that contain millions of single-turn message-response pairs between web users. The results show that, compared with the previous multi-stage dialogue generation models, TSRG can produce more diverse and informative responses and maintain fluency and relevance. 论文标题 A Commonsense Knowledge Enhanced Network with Retrospective Loss for Emotion Recognition in Spoken Dialog 作者 Yunhe Xie, Chengjie Sun, Zhenzhou Ji 发表时间 202205 期刊名称 ICASSP 期卷 2022: 7027-7031 简单介绍 . 论文标题 Augmentation and heterogeneous graph neural network for AAAI2021-COVID-19 fake news detection 作者 Andrea Stevens Karnyoto, Chengjie Sun, Bingquan Liu, Xiaolong Wang 发表时间 202201 期刊名称 International Journal of Machine Learning and Cybernetics 期卷 13, 2033–2043 (2022) 简单介绍 论文标题 HopRetriever: Retrieve Hops over Wikipedia to Answer Complex Questions 作者 Shaobo Li, Xiaoguang Li, Lifeng Shang, Xin Jiang, Qun Liu, Chengjie Sun, Zhenzhou Ji, Bingquan Liu 发表时间 2021 期刊名称 AAAI 期卷 2021: 13279-13287 简单介绍 论文标题 Dynamic Working Memory for Context-Aware Response Generation 作者 Zhen Xu, Chengjie Sun, Yinong Long, Bingquan Liu, Baoxun Wang, Mingjiang Wang, Min Zhang, Xiaolong Wang 发表时间 2019 期刊名称 IEEE/ACM Transactions on Audio, Speech and Language Processing 期卷 27(9): 1419-1431 简单介绍 论文标题 Combined Regression and Tripletwise Learning for Conversion Rate Prediction in Real-Time Bidding Advertising 作者 Lili Shan, Lei Lin, Chengjie Sun 发表时间 201807 期刊名称 SIGIR 期卷 115-123 简单介绍 论文标题 Content-Oriented User Modeling for Personalized Response Ranking in Chatbots (2018) 作者 Bingquan Liu, Zhen Xu, Chengjie Sun, Baoxun Wang, Xiaolong Wang, Derek F. Wong, Min Zhang 发表时间 期刊名称 IEEE/ACM Trans. Audio, Speech & Language Processing 期卷 26(1): 122-133 简单介绍 论文标题 A Language Model Approach for Tag Recommendation 作者 Ke Sun, Xiaolong Wang, Chengjie Sun and Lei Lin 发表时间 期刊名称 Expert Systems with Applications 期卷 38(3): 157 简单介绍