计算机学院姚念民教授团队在自然语言处理表示学习领域取得重要进展。课题组提出一种新颖的文本表示模型，在intrinsic和extrinsic的国际标准自然语言处理任务上取得领先性能。所撰写的论文被人工智能领域SCI顶级期刊《IEEE神经网络和学习系统会刊》(简称IEEETNNLS)录用,论文题目为“Seeds: Sampling enhanced embeddings”。IEEETNNLS英文全称：IEEE Transactions on Neural Networks and Learning System，科学引文索引影响因子为8.793，是JCR系统下，中科院分区一区，以及汤姆森路透社分区Q1区的顶级期刊。

文本表示模型是自然语言处理领域上游任务的关键模型，同时，也是人工智能表示学习领域中的重要研究方向，其应用范围几乎涉及自然语言处理领域所有的下游任务。因此，文本表示模型的性能，对自然语言处理各个子领域的研究问题都具有重要影响。传统的文本表示方法中基于采样计算的模型广泛使用经典的采样算法进行概率逼近，这种算法的核心设计具有固有缺陷，直接影响到概率对比计算时逼近真实数据的能力。对此，课题组提出一种新颖的文本表示模型，对传统的采样逼近算法进行重新设计。实验结果证明，课题组提出的模型在intrinsic方面的国际标准数据集上取得了领先于经典表示模型的性能提升。同时，在一系列extrinsic的自然语言处理下游任务中，课题组提出的模型所学习的文本表示，也广泛优于传统模型所获得的文本嵌入。

该论文是在国家重点研发计划资助下的系列研究成果之一,其总体研究思路和研究内容为姚念民教授团队提出并独立完成。 论文第一作者巩宁，第三作者郭顺均为实验室培养的博士研究生。论文通讯作者为姚念民教授，近年来的研究主要关注人工智能/自然语言处理/物联网和车联网安全。团队自成立以来，为国家培养了一批具有扎实科研基础和活跃创新思维的博士，硕士研究生，分布在国内一流名校，以及知名IT企业。