近期，计算机科学与技术学院信息检索研究室（DUTIR）主要从事人工智能与自然语言处理领域的研究与应用，近期聚焦于推荐系统、对话系统和实体识别与关系抽取等研究，多项研究成果被计算机领域顶级会议和期刊录用发表。

博士生张晓堃（指导教师林鸿飞教授）的研究工作《Price DOES Matter! Modeling Price and Interest Preferences in Session-based Recommendation》在International ACM SIGIR Conference on Research and Development in Information Retrieval（SIGIR2022，CCF推荐A类会议）国际会议以长文发表，提出了一个共导异质超图神经网络，同时建模用户兴趣偏好和价格偏好对其行为的影响，从复杂异质信息中学习商品表示，并挖掘两种偏好在决定用户行为时的复杂关系。本工作强调了研究用户价格偏好的重要性，这一思想受到专家评委的一致好评，并获得大会的student travel grant奖励。

同时，张晓堃的研究论文《Dynamic Intent-aware Iterative Denoising Network for Session-based Recommendation》在Information Processing & Management（IPM，中科院一区）国际期刊发表，提出了一个动态意图感知的迭代降噪网络，建模用户的动态意图,迭代渐进式地对会话进行降噪，利用协同信息丰富会话的语义表示，在真实数据集证明了所提模型的有效性。本工作在会话推荐任务中引入了降噪的新思想，推动了相关研究的发展。

徐博老师的研究工作《RealMedDial: A Real Telemedical Dialogue Dataset Collected from Online Chinese Short-Video Clips》在International Conference on Computational Linguistics（COLING2022，自然语言处理领域的国际顶会）发表，构建了基于真实医疗问诊数据的中文医疗对话语料库，该语料库包含2,637条医疗对话和24,255条话语，语料库中的真实医疗咨询来源于中文短视频快手平台，便于对医疗语言使用模式和临床诊断预判做出细粒度分析，解决了医疗对话自然语言模式识别关键问题，审稿人评价该数据集有助于推动医疗对话研究发展。

博士生宁金忠（指导教师杨志豪教授）的研究工作《Two Languages Are Better Than One: Bilingual Enhancement For Chinese Named Entity Recognition》也在COLING2022国际会议上发表，研究了中文的实体识别任务，提出利用双语信息来增强中文NER任务，并提出了一个统一的双语交互模块ACT-S来同时捕获双语之间的依赖信息和中文模态内部的依存信息。论文首次提出了利用无标注的英文文本作为外部资源，来提升中文NER模型的性能，所提出方法的性能在中文NER领域达到领先水平。

博士生张博（指导教师王健教授）的研究工作《Exploiting Pairwise Mutual Information for Knowledge-Grounded Dialogue》发表在Transactions on Audio, Speech and Language Processing（TASLP，中科院一区）国际期刊，提出了一种TransIKG的新颖模型，通过利用一种两步整合机制和建模对话轮次的位置信息，解决了对话任务中对话背景、知识和回复之间互信息利用不足的关键问题，推动了外部知识驱动的对话生成研究进展。

博士生王治政（指导教师孙媛媛教授）的研究工作《Epidemiologic information discovery from open-access COVID-19 case reports via pretrained language model》发表在iScience（Cell子刊）国际期刊，提出了一个从新冠感染病例报告中自动提取流行病学信息的计算框架，同时开发了一个开放访问的在线平台，可以实时提取新冠感染者病例中关键信息，从而减少流行病数据管理的工作量。论文工作是与大连民族大学、香港大学、香港城市大学、英国剑桥大学、东京工业大学、美国圣菲研究所、东京圣路加国际大学和北京师范大学等国内外高校合作完成，第一完成单位为大连理工大学，研究成果有利于支撑公共卫生领域对新冠病毒的传播链研究，辅助进行流行病的防治防控决策。

上述研究成果可以应用在自然语言处理中的推荐、人机对话、信息抽取、知识图谱等各领域中，信息检索研究室在理论研究的同时也努力推进技术成果转化，争取在产、学、研、用各方面取得更大进步。