• 从星辰到洞见：在远距离监督下探索与实现统一情感分析

  在现代商业环境中，理解客户的声音对于制定有效的战略决策至关重要。传统的情感分析通常涉及三个独立的任务：方面类别检测、方面类别情感分析和评分预测。然而，单独处理这些任务可能会忽略它们之间的相互依赖关系，并且通常需要昂贵且细致的标注数据。本文提出了一种新的学习范式——统一情感分析，它将这三个任务整合到一个协调的框架中。为了实现这一目标，我们提出了Distantly Supervised Pyramid Network（DSPN）模型，该模型采用金字塔结构，以分层的方式捕捉词、方面和文档层面的情感。在英文和中文的多方面评论数据集上的评估表明，DSPN仅使用星评标签进行监督，展现了显著的效率优势，同时

  来源：ACM Transactions on Management Information Systems

  时间：2025-11-07

• ChatGPT在提供可视化设计建议方面的能力如何？

  在当今数据驱动的社会中，数据可视化已成为各行各业不可或缺的工具。然而，许多从事数据可视化的实践者并未接受过系统的培训，这使得他们在设计过程中面临知识缺口。为了解决这一问题，大型语言模型（LLMs）因其庞大的互联网训练数据和强大的文本处理能力，展现出巨大的潜力。本文探讨了ChatGPT在数据可视化设计问题上的表现，通过定性和定量的方法分析其与人类专家的对比，并提出未来基于LLM的设计反馈系统的优化方向。### 1. 背景与研究动机数据可视化不仅涉及美学设计，还包含对数据的理解和呈现方式的选择。在实际应用中，许多实践者依赖于个人经验或在线资源来学习相关技能，这可能导致设计选择的局限性。尽管已有大量

  来源：ACM Transactions on Computer-Human Interaction

  时间：2025-11-07

• 智能家居中的旁观者隐私问题：相关关切与解决方案的系统性综述

  在智能家居设备迅速发展的背景下，隐私问题成为了公众和研究者共同关注的焦点。这些设备，如安全摄像头、语音助手等，因其带来的便利性而被广泛采用，但同时也引发了关于旁观者隐私的担忧。旁观者通常指那些并未主动选择安装或配置这些设备，却可能被其数据收集所影响的人群。例如，家庭访客、短期租客、家庭佣工等，他们对设备的隐私保护措施可能缺乏话语权。本文旨在系统回顾相关文献，分析旁观者在智能家居环境中的定义、分类及其隐私担忧，以及现有解决方案的优劣和未来研究方向。### 旁观者的定义与分类在现有研究中，旁观者被定义为那些在智能家居环境中被监控，但不具备控制设备或其数据收集过程的人。这些旁观者可以是家庭成员、访客

  来源：ACM Transactions on Computer-Human Interaction

  时间：2025-11-07

• 一项关于计算机专业人士在工作场所中终身学习意愿的定性实地研究

  在当今快速变化的科技行业中，计算教育的目标不仅是传授知识和技能，更重要的是培养那些能够持续适应和成长的品质，即所谓的“学习态度”或“学习倾向”。这一概念在近年来的计算教育研究中获得了越来越多的关注，因为它被认为是职业成功的关键因素之一。本文探讨了计算专业人士在工作实践中如何展现这种终身学习的态度，并通过实际案例分析了其三个核心组成部分：元认知、自我调节和适应性。这些元素不仅构成了终身学习倾向，而且在实践中紧密相连，相互影响，形成了一个有机的整体，帮助专业人士在不断变化的行业中保持竞争力和创新能力。### 学习态度的重要性计算教育一直以来都致力于将学生在课堂上学到的知识和技能与实际工作中的需求相

  来源：ACM Transactions on Computing Education

  时间：2025-11-07

• 不使用尖括号的直觉主义哥德尔-勒布理论

  摘要Das、van der Giessen 和 Marin 最近提出了一个直观主义的 Gödel-Löb 逻辑版本，称为 IGL。他们的证明系统包含了带有渐进性条件的不完备证明。他们的完备性证明利用了 Σ11-确定性原理；而这一原理在 ZFC 中是无法证明的。我们为 IGL 定义了一个循环证明系统，并给出了一个避免使用 Σ11-确定性的完备性定理证明。

  来源：ACM Transactions on Computational Logic

  时间：2025-11-07

• 在生成式人工智能时代进行知识管理：影响与启示

  摘要组织知识和员工知识的管理是任何组织的重要组成部分。知识管理不仅关注员工为组织贡献的显性知识，还包括组织随着时间积累的知识和技能。生成式人工智能（GenAI）的潜在影响引发了诸多与有效知识管理相关的问题和机遇，因为各组织正在探索其应用所带来的影响和意义。本研究探讨了在日益普及的GenAI环境下所面临的问题，并提出了一种“GenAI时代知识管理框架”。对于新手而言，他们可能更倾向于使用生成式人工智能来完成任务；而经验丰富的知识工作者则可能更侧重于质量评估和评价。采用GenAI有助于员工从新手成长为专家，同时还能释放时间和资源用于其他工作。然而，这也伴随着一些挑战，例如关键组织知识的流失、工作相

  来源：ACM Transactions on Management Information Systems

  时间：2025-11-07

• 过程挖掘中的非结构化数据：一项系统性的文献综述

  摘要大部分可用数据都是非结构化的，例如文本、图像和视频数据。随着数据分析方法的不断改进，利用非结构化数据变得越来越容易。即使在传统上专注于存储在流程感知信息系统中结构化数据的流程挖掘领域，整合非结构化数据的解决方案也受到了越来越多的关注。然而，迄今为止，还没有关于非结构化数据在流程挖掘中如何被利用的实证研究综述。这种认知上的不足也使得识别推动流程挖掘研究发展的最有前景的方向变得困难。为了解决这个问题，本研究进行了一项系统的文献回顾，分析了从1,379个搜索结果（即研究项目）中选出的24项主要研究，这些研究涉及非结构化数据与流程挖掘的交叉领域。主要发现之一是，当前的研究主要集中在文本数据上，并侧

  来源：ACM Transactions on Management Information Systems

  时间：2025-11-07

• 培养小学职前教师将计算思维融入课程体系

  摘要计算思维（CT）是21世纪青少年必须掌握的关键技能，这对于他们在当代工作和生活中取得成功至关重要。随着越来越多的K-12学校开始将计算思维纳入课程体系，小学教师预备课程（EPSTs）的学生必须准备好向未来的学生教授这一技能。因此，小学教师培训项目应当探索将计算思维融入教学内容的方法，确保毕业生具备教授计算思维所需的知识和能力。本研究探讨了在一个小学教师培训项目的技术整合课程中实施的为期三周的计算思维模块对EPSTs的计算思维价值观、自我效能感和教学效能感的影响。该模块旨在向EPSTs介绍计算思维的基本概念和核心思想，支持他们在基于模块的编程环境中应用计算思维，并促进计算思维与真实世界场景之

  来源：ACM Transactions on Computing Education

  时间：2025-11-07

• 计算思维与认知异质性：《音乐与编程》的批判性综述

  音乐与编程的结合，作为一种跨学科的方法，旨在激发学习者在音乐和计算表达方面的兴趣与参与。这种融合不仅反映了计算技术与艺术创作之间的互动，也体现了教育领域对多样化学习体验的追求。本文通过分析2004年至2024年间发表的65篇相关研究文章，探讨了音乐与编程教育融合的动机、方法论及其在不同群体和教育背景下的适用性。研究指出，尽管这种结合被广泛用于提升学习者的参与度和创造力，但其核心仍常常将音乐视为一种工具，而非独立的学科领域。音乐与编程的交叉领域最早可以追溯到19世纪中叶，当时查尔斯·巴贝奇提出了分析机的概念，而艾达·洛夫莱斯则设想了这台机器可能用于生成复杂的音乐作品。随着计算机技术的发展，音乐编

  来源：ACM Transactions on Computing Education

  时间：2025-11-07

• 概念性服务架构：通过可被机器执行的数据管理计划来同步研究数据管理服务

  在当代科研活动中，研究数据管理（Research Data Management, RDM）已成为不可或缺的一部分。研究者在日常工作中需要处理数据的采集、组织、存储、保存和共享等环节，以确保数据的可发现性（Findable）、可访问性（Accessible）、可互操作性（Interoperable）和可重用性（Reusable）——即FAIR原则的体现。同时，数据的可重复性也是科研质量的重要指标之一。为了实现这些目标，研究数据管理服务在科研生命周期的不同阶段扮演着重要角色，如基金资助方、数据托管机构、研究支持人员、伦理审查者、法律专家、科研人员等，他们都需要在不同阶段对数据进行管理和跟踪。然而

  来源：ACM Transactions on Management Information Systems

  时间：2025-11-07

• 在OSNs中整合群体共识以实现竞争影响力最大化

  摘要在在线社交网络（OSNs）中，人们通常加入群体进行交流。信息传播往往需要付出一定的代价，无论是在个体之间还是群体内部/群体之间；不同的观点可能会相互竞争。群体可以根据大多数成员的意见做出决策。这种群体共识在群体活动中很常见。然而，现有关于最大化竞争影响力的研究往往忽略了群体共识的影响。为此，我们引入了在影响力最大化过程中达成群体共识的机制，并提出了一种基于群体共识的竞争线性阈值（GCLT）传播模型；随后我们在GCLT模型下研究了预算竞争影响力最大化（BCIM）问题。我们发现该问题属于NP难问题，并且证明目标函数既不是次模的也不是超模的。为此，我们通过抽样方法构建了一个等价的基于群体共识的竞

  来源：ACM Transactions on Knowledge Discovery from Data

  时间：2025-11-07

• “A 6 or a 9？”：通过多种高性能模型和解释机制实现集成学习

  摘要从过去的观测数据中创建模型，并确保这些模型在新数据上的有效性是机器学习的核心。然而，选择具有良好泛化能力的模型仍然是一项具有挑战性的任务。与此相关的一个概念是“Rashomon效应”，指的是在给定的学习问题中，多个模型的表现相似的情况。这种情况在现实世界的场景中很常见，例如制造过程或医学诊断中，数据中的多样模式会导致出现多个性能优异的解决方案。我们提出了Rashomon集成方法，该方法策略性地从这些多样化的优秀模型中选择模型以提高泛化能力。通过根据模型的性能和解释能力对它们进行分组，我们构建了既能最大化多样性又能保持预测准确性的集成系统。这种选择方式确保每个模型覆盖解决方案空间中的不同区域

  来源：ACM Transactions on Knowledge Discovery from Data

  时间：2025-11-07

• 迈向公平的聚类决策边界：将不同的影响标准整合到最大边际聚类中

  机器学习在影响人类生活的各个领域得到了广泛的应用，这促使了对开发可证明公平的算法的兴趣显著增加。近年来，研究者们在聚类算法中引入了公平性约束，以应对公平性问题。本文提出了一种新的算法，称为公平最大边际聚类（Fair Maximum Margin Clustering, FMMC），该算法将监督学习中的差异影响标准引入到聚类过程中，特别关注决策边界公平性。传统聚类算法如k-means主要依据数据点之间的相似性进行分组，而FMMC通过最大化不同聚类之间的分离度，类似于监督学习中支持向量机（Support Vector Machine, SVM）的工作原理。在监督学习中，差异影响（Disparate

  来源：ACM Transactions on Knowledge Discovery from Data

  时间：2025-11-07

• 使用Dropout正则化深度学习及独特匹配指标进行跨项目缺陷预测

  在当今高度数字化的世界中，软件缺陷的代价持续上升，影响着软件行业的稳定性和安全性。无论是数据泄露、软件故障还是网络攻击，这些现象都可能带来严重的后果，如隐私侵犯、生命损失和声誉损害等。因此，软件开发过程中早期识别和预测缺陷成为了软件开发人员和维护团队关注的重点。为了提高软件项目的开发效率和管理质量，研究者们提出了多种软件缺陷预测（Software Defect Prediction, SDP）模型，其中跨项目缺陷预测（Cross-project Defect Prediction, CPDP）模型因其在缺乏历史数据时的实用性而备受关注。然而，由于源数据和目标数据在分布上的差异，CPDP模型在实

  来源：ACM Transactions on Management Information Systems

  时间：2025-11-07

• 未经提示的触摸行为与触摸表面特性：一项调查

  人类与机器人之间的触觉交互是人机交互（HRI）领域中的一个重要研究方向，其研究重点在于人类主动发起的触觉行为，分为**无引导触觉交互**（unprompted touch）和**有引导触觉交互**（prompted touch）。无引导触觉交互是指人类在没有机器人或其他代理的言语或手势鼓励的情况下，主动触碰机器人。而有引导触觉交互则是指在机器人明确提示或引导下发生的触觉行为。本文通过系统综述了37篇相关研究，揭示了当前在理解无引导触觉交互方面存在的不足，并提出了未来研究的方向和建议。无引导触觉交互在实际应用中具有重要的意义。例如，在灾难救援场景中，一名被困在废墟中的受害者可能无法接收到外界的指

  来源：ACM Transactions on Human-Robot Interaction

  时间：2025-11-07

• 勘误表：一种用于带增强类别的部分标记学习的无偏风险估计器

  编者按本更正声明用于修正发表在《ACM Trans. Intell. Syst. Technol.》2024年第15卷第6期（页码131:1-131:22）上的文章《An Unbiased Risk Estimator for Partial Label Learning with Augmented Classes》。摘要本更正声明针对的是发表在《ACM Trans. Intell. Syst. Technol.》2024年第15卷第6期（页码131:1-131:22）上的文章《An Unbiased Risk Estimator for Partial Label Learning wit

  来源：ACM Transactions on Intelligent Systems and Technology

  时间：2025-11-07

• 在模型设定错误和协变量偏移的情况下的稳定子采样

  摘要训练数据集和测试数据集之间存在协变量偏移，再加上模型设定错误，可能会导致在不同数据集上的回归预测结果不稳定。同时，使用大量数据训练复杂模型会带来沉重的计算负担。在本文中，我们提出了一种新的无模型子采样算法，用于实现稳定的预测，该算法采用了均匀设计方法和混杂因素平衡技术。我们的子采样算法旨在找到具有均匀设计的最近邻子采样点，以最小化全局稳定性损失，从而在减少数据量的同时保证预测的稳定性。理论分析表明，这种均匀设计方法能够最小化最大积分均方误差（MIMSE），而全局稳定性损失则用于评估每个候选的MIMSE最优子样本集中的变量之间的独立性。在合成数据集上进行的模拟研究以及在真实数据集上的应用均证

  来源：ACM Transactions on Knowledge Discovery from Data

  时间：2025-11-07

• 用于旅行回忆录生成的对话式机器人系统

  回忆对心理健康有着积极的影响。对于与老年人互动的机器人而言，回顾回忆的对话也是重要的应用领域。尽管回忆的重要性不言而喻，但目前还没有研究同时探讨了如何帮助机器人进行关于用户回忆的对话，以及从这些回忆中生成内容的方法。本文提出了一种名为TRAVOT的系统，它通过对话探索旅行照片背后的故事，并结合这些照片生成旅行回忆录。TRAVOT利用大型语言模型（LLM）来灵活收集信息，同时通过一个基于Meta-LLM的主题控制机制，使机器人能够深入讨论用户回忆，从而获得更深层次的故事。这不仅能够从照片中获取不到的信息，还能通过生成额外的问题深化讨论。此外，TRAVOT还可以通过匹配判断来消除由于LLM的简单使

  来源：ACM Transactions on Human-Robot Interaction

  时间：2025-11-07

• 基于用户认知和进化博弈的谣言传播模型

  摘要在社交网络中，研究谣言传播模式对于遏制谣言的扩散至关重要。鉴于多种类型谣言信息的共存与冲突以及用户认知差异，本文提出了一个基于用户认知和进化博弈论的谣言传播模型。首先，考虑到用户之间的社会关系对谣言传播的潜在影响，采用了KD-Tree算法来揭示用户之间的隐藏联系，从而丰富了用户社交网络的拓扑结构。其次，基于进化博弈论构建了一种用户行为驱动机制，用于描述谣言、反谣言和动机性谣言类型的传播过程，以反映用户行为的互动性和策略性。此外，利用Lotka-Volterra方程来探讨多类型谣言信息的动态博弈过程以及用户的认知过程。最后，为了解决用户认知差异的问题，本文引入了反谣言信任状态A和动机性谣言信

  来源：ACM Transactions on Knowledge Discovery from Data

  时间：2025-11-07

• 具有手势响应能力和音乐伴奏的交互式多机器人集群行为

  随着机器人技术的不断发展，它们的应用场景已从传统的商业和研究环境扩展到人们的日常生活中。这一转变不仅带来了技术上的挑战，也催生了新的研究方向，如社会任务，包括参与和娱乐等。本研究致力于构建一个机器人任务，其主要目标是吸引人类的注意力，激发其兴趣，并促使人类参与动态、富有表现力的机器人群体互动。为了实现这一目标，研究团队开发了机器人运动算法和多种互动模式，如手势和声音响应。这些贡献包括：（1）一种涉及人类和机器人代理的新型群体导航算法，（2）一种实时、人类-机器人群体互动的手势响应算法，（3）一种用于修改群体行为的权重模式选择系统，（4）一种将编舞者偏好编码到动态、自适应学习系统中的方法。实验结

  来源：ACM Transactions on Human-Robot Interaction

  时间：2025-11-07

知名企业招聘：