{{LabName}}
- 分布式协同技术：针对Web和移动环境下的大规模协同工作，研究一致性维护方法和多协作集成模型、面向多协作的数据世系图模型和数据质量分析技术等，同时针对区块链等新型分布式协同系统，探索高效和高可用的解决方案，打造具有良好用户体验的新型分布式协同应用。具体研究内容包括：区块链可扩展性提升、账本结构与验证方案优化[DASFAA'22, DCN, etc.]，数据一致性维护与数据互操作模式[TPCI’22, etc.]，基于区块链的群智协同激励机制与智能合约框架[DASFAA'21, ChineseCSCW'20, etc.]等。
- 个性化推荐技术与系统：面向在线社区、电商、社交网络等场景，综合准确性、效率、可解释性等多个维度，研究高效和用户体验良好的个性化推荐方法。具体研究内容包括：基于高可扩展性混合秩矩阵分解的协同过滤方法[TKDE’21, etc.]、基于图神经网络的增量推荐方法[WWW’22, CIKM’21, etc.]、基于特征精练的点击率预测强化框架[SIGIR’22, DASFAA’22, etc.]、基于评论因果学习的可解释推荐方法[WWW’22, etc.]、基于图信号处理的可解释推荐方法等。
- 深度文本分析：针对群智在线社区、社会媒体等场景，基于CNN、RNN、Transformer、BERT等深度学习模型研究文本内容的表征、分类、摘要和转化方法，具体研究内容包括：跨社会媒体的用户生成内容的分析、主题建模、风格转化、类别预测[TOIS’22, WSDM’22, CSCW’18, etc.]，群智在线社区中的信息传播、行为预测与意图理解[TWEB’21, CSCW’20, etc.]，多模态增强学习与跨模态智能问答[WWW’22, etc.]，个性化文本建模技术[CSCW’22, etc.]等。
基于上述方法和技术，研发具有重要研究价值和实际意义的协同工具、系统和平台，包括：
- 残疾人群智互助协同平台：该平台基于微信小程序搭建，旨在解决日常出行过程中无障碍设施可见性不好、交通障碍动态感知困难、无障碍出行缺乏社区氛围等问题。目前，小程序已实现两张地图（交通障碍地图以及无障碍设施地图）、三个任务（交通障碍快速标注、无障碍设施标注以及无障碍出行攻略撰写）、三种模式（自主模式、个性化推荐模式以及团队模式）的核心功能，累计收录数千条障碍/无障碍信息。未来将在标注任务结果推断、激励机制等方面开展持续研究与开发，并逐步完善系统设计，提升使用体验。
- 面向通用领域的集成推荐算法工具集RSTK：RSTM（Recommender System Toolkit In Python）是一款基于Python开发的推荐引擎模块包。基于Python 3开发，主要依赖于numpy、sklearn、tensorflow等库，实现和集成了多种类型（评分预测、Top-N等）的推荐算法，同时提供集成模块以供算法融合。RSTK设计了数据结构、数据处理、算法框架、模型评估与调优等模块与功能，可以快速搭建并实现一个针对通用领域数据集的推荐引擎。RSTK已实现大体框架和多种算法，未来将继续实现更多传统推荐算法和基于深度学习的推荐算法，并完善算法集成模块，开发集成推荐算法等。
- 危机群智互助平台-CISLCrisisIS：CISLCrisisIS基于Vue和Golang开发，旨在以群智协同的方式为公众提供一个在灾害应急场景下信息共享和互帮互助的平台。平台“事件-活动-文档”三级联动，允许用户针对灾害事件自主创建活动及共享文档，并基于Luckysheet组件实现共享文档的协同编辑，实现灾害相关信息的快速聚合和传播。未来将设计与社交媒体、在线社区等平台的联动，并增加灾害信息自动化抽取与转换、救助救援信息推荐等功能，提升平台的智能化水平和用户体验。
