近日，第25届IEEE国际数据挖掘大会(The 25th IEEE International Conference on Data Mining, ICDM 2025) 于2025年11月12日- 11月15日在美国华盛顿举行，共收到全球学者的投稿785篇，录用106篇，录用率为13.5%。IEEE ICDM与ACM SIGKDD、SIAM SDM并称为数据挖掘领域的三大顶级国际会议，也是中国计算机学会（CCF）推荐的B类数据挖掘领域国际顶级会议，具有广泛的学术影响力和国际认可度。
我院师生合作论文《OTESGN: Optimal Transport Enhanced Syntactic-Semantic Graph Networks for Aspect-Based Sentiment Analysis》被ICDM录用为长文并做报告，论文第一作者为学院2023级在读硕士研究生廖信峰同学，论文通讯作者为其导师王连喜教授。
论文概述：方面级情感分析（ABSA）旨在识别评论文本中的方面词并判断其情感极性。现有研究虽尝试融合依赖树与上下文语义以获取结构信息，但大多依赖点积相似度与静态图结构，难以有效捕捉方面与观点词间的非线性关联，且在数据稀疏与噪声干扰下表现受限。为此，论文提出了一种基于最优传输增强的句法-语义图网络模型（OTESGN），以联合建模句法结构与语义分布。具体而言，该模型包含两个核心模块：句法图感知注意力（SGAA）模块利用句法引导的掩码机制建模全局依赖；语义最优传输注意力（SOTA）模块则将方面-观点对的关联建模为分布匹配问题，并通过Sinkhorn算法求解，以实现精准语义对齐。此外，模型通过自适应注意力融合（AAF）机制协同整合异构特征，并结合对比正则化以增强模型泛化能力。在多个公开数据集上的实验结果表明，OTESGN方法在捕捉细粒度情感关联和抑制上下文噪声方面具有显著优势。
图1: OTESGN模型图
初稿：廖信峰
初审：陈彩萍
复审：王连喜
