近日，计算机科学与技术学院（人工智能学院）丁佐华教授团队教师江明月、赵泱泱在The 32nd ACM International Conference on the Foundations of Software Engineering (FSE 2024) 发表论文了两篇。
[FSE会议介绍]
FSE是软件工程领域顶级会议，CCF A类会议。FSE为国际性的学术会议，专注于软件工程领域的基础理论、方法和实践，其发表论文的研究成果被认为具有卓越的创新性、重要性和影响力，并对软件工程领域的发展有着重要的推动作用。FSE对于推动软件工程领域的发展和创新非常重要，也为学术界和工业界的交流提供了重要平台。
[论文简介]
论文题目：《MTAS: A Reference-Free Approach for Evaluating Abstractive Summarization Systems》
第一作者：朱小艳（2021级计算机技术硕士研究生）、江明月（计算机科学与技术系）
通讯作者：江明月
论文概述：为了有效度量和评估智能文本生成系统的质量，该论文提出并实现首个针对智能文本摘要系统的测试方法，并在代表性文本摘要系统及数据集上开展实验，实验结果揭示了现有文本摘要系统的失效率，以及普遍存在的典型质量问题。该论文的研究成果可以有效支持对智能文本摘要系统的高效评测，并为对该类模型的质量提升提供了参考和指导。同时，该论文的技术路线和实验结果可以为其他文本生成系统的质量评估提供借鉴。
论文题目：《Shadows in the Interface: A Comprehensive Study on Dark Patterns》
通讯作者：赵泱泱（软件工程系）、黎乘霖（2021级计算机技术硕士研究生）
论文概述：暗黑模式是用户界面中广泛使用的操纵性设计策略，以牺牲用户利益为代价引导用户行为，有利于服务提供商。针对暗黑模式研究中的分类不一致与不完整、检测工具局限性和数据全面性不足等挑战，本文提出了“暗黑模式分析框架（DPAF）”，并构建了涵盖64种类型的完整分类法。每种类型标注了对用户的影响和常见场景，并通过行业调研验证。评估发现，现有五种检测工具仅能识别32种暗黑模式，覆盖率仅为50%；四个数据集共涵盖5566个实例，但也仅覆盖32种类型。通过本研究，我们深化了对暗黑模式分类和检测工具的理解，为未来的研究和实践提供了宝贵的见解。
今天是：
搜索