智能软件工程论坛

主办单位： 、宿州学院、新疆师范大学、IEEE Reliability Society

智能软件工程论坛日程

2023年6月15-16日  中国  新疆乌鲁木齐

注册时间：2023年6月15日（周四），16:30—20:00

论坛时间：2023年6月16日（周五），10:00—21:00

论坛酒店：新疆，乌鲁木齐友好大酒店

联系人：刘滢，17690927572

说明：

1. 会议免注册费，交通与住宿费用自理；

2. 乌鲁木齐友好大酒店，客房预订电话：13629934365（唐经理），预订时说明参加6月16日的“智能软件工程会议”，可享受300元-320元的协议价（含早餐）。

3. 乌鲁木齐友好大酒店位于：乌鲁木齐市沙依巴克区友好北路548号，距离乌鲁木齐地窝堡国际机场大约15公里，出租车约35元。

报告题目：用户建模的公平性问题研究进展

摘要：用户建模是人工智能最重要应用领域之一，影响着用户生活决策的各个方面。近年研究表明，人工智能应用领域可能会受到潜在的歧视。公平性旨在制定策略在优化人工智能传统目标的同时，减少挖掘过程中引入或者放大的偏见问题。本报告将首先引出人工智能与用户建模中公平性研究背景。其次简要汇报下研究组在用户建模公平性研究方向的一些代表性研究工作，包括如何从数据角度、模型角度及因果角度缓解用户建模中的不公平现象。最后，报告将展望用户建模公平性的未来研究方向。

个人简介：吴乐，女，国家级青年人才计划入选者，现任合肥工业大学计算机与信息学院教授，博士生导师。主要研究领域包括个性化推荐、可解释与公平性用户建模、数据挖掘及人工智能应用研究。近五年在知名国际期刊（如 IEEE/ACM Trans.）及国际会议（如SIGIR、WWW、KDD、AAAI、IJCAI、SDM、ICDM、CIKM）发表论文五十余篇。主持科技部科技创新2030—新一代人工智能重大项目、国自然面上基金等国家级、省部级及应用合作项目数十项。入选了2022年全球华人AI学者榜单，第六届中国科协青年人才托举工程，吴文俊人工智能优秀青年奖，微软亚洲研究院铸星学者，中国人工智能学会优秀博士论文奖等奖励。吴乐博士担任了多个国际期刊（如IEEE TKDE、 ACM TOIS、IEEE TNNLS、ACM TIST），国际会议(如KDD、WWW、IJCAI、AAAI、NIPS、MM、CIKM) 及国内期刊（如中国科学：信息科学、计算机学报）审稿人或者（高级）程序委员会委员。

报告题目：数据驱动的软件智能开发与演化

摘要：随着信息技术的不断发展，软件已经成为当前数字经济时代的重要基础设施，在行业数字化的过程中，社会对软件的需求迅速增长，这对当前软件开发效率和质量提出了更高的要求，本报告主要介绍我们近期在智能化软件技术方面的一些研究成果，包括代码大数据的获取、代码的推荐与补全、软件制品关联关系的分析、容器配置文件质量提升等方面，通过人工智能技术和软件技术的交叉融合，有效提高软件开发与演化的效率和质量。 

个人简介：周宇，男，南京航空航天大学教授，博导。研究方向为软件工程、分布式计算技术，主要包括智能化软件开发、软件演化分析和验证、云计算和大数据技术等。IEEE/CCF高级会员，CCF系统软件专委会/软件工程专委会/开源发展委员会执行委员，江苏省计算机学会软件专委会副主任。近年来主持国家级及省部级项目多项，在国内外重要学术杂志，如TSE,TOSEM,中国科学，软件学报，以及诸多高水平国际学术会议如ICSE,FSE等发表论文100余篇，授权发明专利10余项。

报告题目：提示工程在代码智能化任务中的探索

摘要：最近提示工程得到了学术界和工业界的广泛关注，其在各种下游任务取得了优异的性能，呈现出接近于人的认知能力。相较于自然语言处理的常见任务，代码智能化任务面临更多挑战，比如更加结构化、数据更为受限等。本报告将介绍我们最近提示工程在代码智能化任务中的探索，包括提示优化的经验分析、上下文的设计、领域知识的融合等方面，最后介绍对未来智能化代码开发的一些展望。

个人简介：高翠芸，哈尔滨工业大学（深圳校区）计算机科学与技术学院副教授，哈工大青年拔尖人才。主要研究方向为智能化软件工程和软件可靠性。博士毕业于香港中文大学，期间曾在伦敦大学学院做学术访问，其后分别在香港中文大学和新加坡南洋理工大学做博士后。近年来在TSE、TOSEM、ICSE、FSE、ASE等会议和期刊上发表论文50余篇，是多个顶级会议如FSE、ISST、ASE等的评审委员会成员，也是多个顶级期刊如TSE、TOSEM等的审稿人，荣获2022年ICSE杰出论文奖提名，授权发明专利10余项。

报告题目：从多样性和近邻性的视角探讨视觉信息的稳健表示

近年来，如何设计有效的损失约束进而引导深度神经网络学习稳健的鉴别特征吸引了众多学者的关注。本报告以Softmax为例从几何的视角分析了其工作机理，并从模式样本多样性和近邻性的视角探讨了基于Softmax损失约束的系列方法，发现增强类内样本近邻性的同时保持类内样本的多样性更有利于引导神经网络学习鉴别特征。然而，近邻性和多样性二者之间往往又是此消彼长。针对这一问题，介绍如何约束深度神经网络，使其能够有效获取鉴别特征。

个人简介：钱建军，南京理工大学计算机科学与工程学院副教授，博士生导师。研究方向为模式识别与视觉感知。相关研究成果发表在IEEE Trans. on Pattern Analysis and Machine Intelligence (PAMI), IEEE Trans. on Image Processing (TIP), IEEE Trans. on Neural Networks and Learning Systems (TNNLS), Pattern Recognition (PR)、CVPR/ICCV/AAAI/IJCAI等国际权威刊物和知名国际会议50余篇，其中包含中国科学院期刊分区一区或中国计算机学会A/B类论文近三十篇（含ESI高被引论文一篇）。先后主持国家自然科学基金青年项目1项、面上项目2项、企业课题多项，参与重点项目、军委科技委预研项目多项。荣获江苏省科学技术一等奖2项，甘肃省科技进步二等奖1项。2018年入选“香江学者计划”；2020年获评南京理工大学优秀研究生指导教师；2021年入选江苏省“青蓝工程”优秀青年骨干教师；指导研究生的学位论文被评为2020年江苏省优秀专业硕士学位论文。此外，担任Neural Processing Letter和The Computer Journal的客座编辑以及多个高质量学术期刊和顶级会议的审稿人。