近日
西安电子科技大学
计算机科学与技术学院
多位教师在国际顶级会议
发表多篇高水平论文
涵盖软件测试与分析、
自动化软件工程、设计自动化、
普适计算和人机交互、
多媒体、数据库等多个领域
学院青年教师崔笛、通讯作者李青山教授在顶级会议ISSTA 2024发表题为 Suggesting Extract Class Refactoring Opportunities with Intra-class Dependency Hypergraph Neural Network 的论文。
该论文主要论述软件开发过程中因封装了多种功能形成的“复杂类”的维护问题。通过构建类内依赖超图来建模“一对多”依赖关系，利用预训练代码模型分配节点属性，设计增强超图神经网络进行训练，与大语言模型串联构建重构工具链。实验表明论文提出方法与SOTA工具相比在准确率等指标上均有显著提升，并在实际场景进行验证。
学院博士生王路桥、通讯作者李青山教授在顶级会议ISSTA 2024作为Tool Demo论文发表题为 HECS: A Hypergraph Learning-Based System for Detecting Extract Class Refactoring Opportunities 的论文。
该论文通过利用超图学习框架实现原型工具，用于类提取重构功能，其通过超图构建、节点属性生成、重构位置分析、前置条件验证，最终推荐有效重构方案，并在IDE环境中自动化实施。
国际软件测试与分析会议（ACM International Symposium on Software Testing and Analysis，简称ISSTA）是中国计算机学会（CCF）A类会议。
学院青年教师崔笛、通讯作者李青山教授在ASE 2024发表题为“Suggesting Move Method Refactoring Opportunities with Inter-class Code Entity Dependency Enhanced Hybrid Hypergraph Neural Network”的论文。
该论文主要论述软件开发过程中因错误函数位置形成的代码“过度耦合”问题。通过构建类间代码实体依赖超图建模代码类之间的三层依赖关系，使用预训练模型为节点分配属性，设计混合超图神经网络训练，构建重构工具链。实验表明论文提出方法在相关指标上均有显著提升，并在实际场景中进行验证。
学院博士生王路桥、通讯作者李青山教授在顶级会议ASE 2024作为NIER论文发表题为 Collaborative LLM-Based Agents for Code Reviewer Recommendation 的论文。
该论文基于LLM的多智能体协作实现高效代码审查，其通过精准审查员推荐，加快代码审查过程并提升审查质量。该论文利用LLM捕捉语义信息，综合考量多种影响因素，并通过多代理系统的协作实现精准推荐。实验表明本论文提出方法在性能和解释性等指标均优于SOTA方法。
国际自动化软件工程会议（IEEE/ACM International Conference on Automated Software Engineering，简称ASE）是中国计算机学会（CCF）A类会议。
学院博士生曲南江、通讯作者田聪教授在DAC 2024发表题为 DACPara: A Divide-and-Conquer Parallel Approach for High-Quality Logic Rewriting in Large-Scale Circuits 的论文。
该论文论述大规模复杂电路在综合中高效且高质量的并行逻辑重写问题。通过将电路AIG根据节点深度分治来构建自底向上的动态执行方式，利用动态全局信息分离并且重新设计了重写过程中三个子阶段的算法。通过EPFL测试电路集评估并与SOTA方法相比，实验证明提出方法在电路质量相当或更好的前提下，重写加速比显著提升，尤其在处理大规模复杂电路时展现出巨大的潜力。
国际设计自动化会议（ACM/IEEE Design Automation Conference，简称DAC）是中国计算机学会（CCF）A类会议。
青年教师文成和秦胜潮教授、香港科技大学曹嘉伦研究员为共同通讯作者在CAV 2024发表题为“Enchanting Program Specification Synthesis by Large Language Models using Static Analysis and Program Verification”的论文。
该论文论述在大模型的辅助下，通过分层、迭代、增量结合的方式，生成与软件代码行为一致的程序规约。该研究实现的原型工具AutoSpec能够智能化地为C程序生成ACSL形式的程序规约，并自动化实施程序验证，实验成功自动验证79%的程序，大幅提高了程序自动验证的效率。
国际计算机辅助验证会议（International Conference on Computer Aided Verification，简称CAV）是中国计算机学会（CCF）A类会议。
学院博士生陆维港、通讯作者管子玉教授在KDD 2024发表题为 AdaGMLP: AdaBoosting GNN-to-MLP Knowledge Distillation 的论文。
该论文旨在解决图神经网络（GNN）在推理过程中的高延迟问题。提出了AdaGMLP，将GNN知识传递给轻量级多层感知机（MLP）的自适应集成方法。AdaGMLP的框架由三大关键组件构成：随机分类、节点对齐以及AdaBoost知识蒸馏，通过这些技术，显著降低了推理成本，并在保持与GNN竞争性能的同时提高了模型的泛化能力。
KDD（ACM SIGKDD Conference on Knowledge Discovery and Data Mining）是中国计算机学会（CCF）A类会议。
学院青年教师魏昱恒，共同通讯作者杜军朝教授、刘惠副教授在UbiComp 2024发表题为 AdaStreamLite: Environment-adaptive Streaming Speech Recognition on Mobile Devices 的论文。
该论文针对云端语音识别服务存在网络失联不可用、用户隐私不可控和结果反馈不及时的缺陷，提出面向移动终端设备的环境自适应流式语音识别工具AdaStreamLite，设计声音环境表征构造方法，精准刻画环境噪声时频特性，引入基于环境信息的自适应校准方法，提升流式语音识别泛化性能。在多类型声音环境中和多型号移动终端设备上展开实测，AdaStreamLite取得平均28.15%的绝对性能提升。
UbiComp（Proceedings of the ACM on Interactive, Mobile, Wearable and Ubiquitous Technologies）是中国计算机学会（CCF）A类会议。
学院博士生史媛媛，共同通讯作者苗启广教授、李宇楠老师在MM 2024发表题为 MGR-Dark: A Large Multimodal Video Dataset and RGB-IR benchmark for Gesture Recognition in Darkness 的论文。
手势识别在黑暗环境中的研究有限，主要因为缺乏相应的数据集。该论文提出了MGR-Dark数据集，旨在黑暗环境中实现手势识别。MGR-Dark是一种大规模多模态视频数据集，在黑暗环境下收集手势，包括同步的RGB、深度和红外视频。同时，提出MTCD的RGB-IR基准框架，利用模式翻译和渐进式跨模态特征蒸馏来提高RGB手势识别的准确性。
学院博士生梁潇，通讯作者王笛副教授在MM 2024发表题为 Divide and Conquer: Isolating Normal-Abnormal Attributes in Knowledge Graph-Enhanced Radiology Report Generation 的论文。
该论文旨在研究自动生成放射学图像的临床描述。与通用领域的图像描述任务相比，医学图像中的细微差异以及医学术语的复杂性限制了数据驱动的放射学报告生成性能。论文提出一种“分而治之”的方法，通过构建分而治之的器官疾病实体图，扩展器官疾病间细粒度关系，增强视觉表征与疾病术语之间的相关性，实现可靠的医疗报告生成。实验表明，该方法在IU-Xray和MIMIC-CXR基准数据集上表现出色，显著提高了生成报告的准确性和临床相关性。
国际多媒体会议（ACM International Conference on Multimedia，简称MM）是中国计算机学会（CCF）A类会议。
学院青年教师李宇楠、通讯作者苗启广教授在ECCV 2024发表题为 Watching it in Dark: A Target-aware Representation Learning Framework for High-Level Vision Tasks in Low Illumination 的论文。
该论文提出了一个目标感知表征学习框架，从图像的外观和语义特征入手，实现了双向域对齐，以在不同光照条件下桥接数据。通过图像分类、目标检测以及人体行为识别三个跨越图像与视频的高级视觉任务验证了其方法的有效性，并在三个任务中均取得了超过现有最佳方法的效果。
欧洲计算机视觉国际会议（European Conference on Computer Vision，简称ECCV）是计算机视觉领域顶级学术会议之一。
这些成果充分展示了
学校在计算机科学与技术、
软件工程领域取得的重要研究进展
标志着学校在该领域的研究
得到了国际同行的进一步认可
推动学科建设创新发展
