徐昊教授和Fausto Giunchiglia教授联合指导的2020级博士研究生宋瑞同学的论文被AAAI'2024接收。

AAAI的英文全称是The Association for the Advancement of Artificial Intelligence，即人工智能促进协会，该协会主办的年会 (The AAAI Conference on Artificial Intelligence) 是重要的国际人工智能学术会议之一，致力于推动智能思维与行为机制的科学理解及机器实现，并促进人工智能的科学研究和规范应用，属于CCF-A类会议。第38届AAAI会议（AAAI-24）将于2024年2月20日至27日在加拿大温哥华举行。

论文题目：TACIT: A Target-Agnostic Feature Disentanglement Framework for Cross-Domain Text Classification

第一作者：宋瑞

指导教师：徐昊、Fausto Giunchiglia

收录会议：AAAI 2024

期刊级别：CCF A

论文概述：

跨领域文本分类旨在将模型从标签丰富的源域迁移到标签匮乏的目标域，因此具有广泛的实际应用。许多方法通过捕获域不变特征来促进跨域泛化。然而，这些方法依赖于目标域提供的未标记样本，这使得模型在目标域不可知时失效。此外，模型容易受到源域捷径学习的干扰，也阻碍了领域泛化能力的提高。为了解决上述问题，本文提出了一种目标域不可知特征解纠缠框架TACIT，该框架通过变分自编码器自适应解耦鲁棒和非鲁棒特征。此外，为了进一步鼓励将非鲁棒特征从鲁棒特征中分离，我们设计了一个特征蒸馏任务，该任务迫使非鲁棒特征近似于一个简单教师的输出，其中，简单教师模型由一些容易携带潜在未知捷径的简单样本训练。实验结果验证了我们的框架在仅利用源域数据的情况下达到了与最先进的基线相当的结果。