近日，我院教师朱毅副教授在数据挖掘与知识工程国际著名期刊《IEEE Transactions on Knowledge and Data Engineering》以第一作者连续发表了两篇研究论文“Prompt-Learning for Short Text Classification”（https://ieeexplore.ieee.org/document/10328469）和“Iterative Soft Prompt-tuning for Unsupervised Domain Adaptation”（https://ieeexplore.ieee.org/document/10723770）。

论文1提出了一种基于提示学习的短文本分类方法。该方法从开放知识图谱（如Probase）中检索与短文本实体相关的前M个概念，并根据它们与类别标签的相似度进行筛选，以在扩展标签词空间时综合考虑短文本内容和类别名称。随后，设计了四种不同的策略来整合扩展后的概念集，并将其应用于提示学习的词汇映射器中，从而有效应对短文本长度短、特征稀疏和高歧义性带来的挑战。论文2提出了一种迭代软提示调优方法，旨在优化无监督领域自适应效果，减少不同领域之间的差异。该方法将源领域学习到的提示调优模型转化为迭代模型，以便在目标领域中挖掘真实标签信息，从而将领域自适应任务视为少样本的软模板提示学习任务。

《IEEE Transactions on Knowledge and Data Engineering》由美国电气和电子工程师协会主办，是数据挖掘与知识工程的顶级期刊之一，也是中国计算机学会推荐的数据库、数据挖掘和内容检索领域A类期刊。