日前，从国家自然科学基金委传来消息，实验室李国徽教授、袁凌副教授、周全副教授获批国家自然科学基金面上项目。

李国徽教授获批的项目题目为“融合多模态数据的对话式推荐及其可解释性研究”。信息推荐是应对信息过载的有效手段。近年来，多模态数据呈爆发式增长，其数据量大、种类繁多、理解困难。如能对其有效处理利用，能丰富推荐可用的知识，进一步提升推荐能。同时，这些知识的利用还可以缓解数据稀疏带来的负面影响。项目研究多模态对话数据的语义对齐与特征融合，以提升对多模态数据的利用能力；研究细粒度用户意图感知与平衡方法，并融合多模态知识表征，利用实体间相似性，探索有效的推荐策略；研究推荐结果的可解释路径推理，提高系统透明度、可信度和用户满意度。项目研究将有助于实现高质量且可解释的推荐，对促进多模态对话式推荐系统的广泛应用具有重要意义。

袁凌副教授所获批的自然科学基金项目，以《联邦学习环境下安全可信的个性化推荐研究》为题，针对当前联邦推荐方法个性化程度不高、模型中毒攻击风险较大和隐私保护成本过高的问题。首先分析用户的统计异质性和系统异质性对联邦推荐方法训练的影响，提出基于Wasserstein距离集群对比学习方法实现个性化推荐；然后研究分布式联邦学习环境下模型中毒攻击方法，提出基于生成对抗网络结合自编码器的模型更新参数异常检测方法；最后分析联邦推荐隐私保护方法对隐私性和准确率的权衡，提出基于变分自编码器的可训练个性化掩码隐私保护方法，为隐私保护要求下的个性化推荐应用提供支持。本课题的研究对于隐私计算的发展和推荐方法的应用具有重要的理论和应用价值。

周全副教授所获批的自然科学基金项目，以《实时多处理器系统混合任务可调度性分析研究》为题，研究实时多处理器平台上“时间触发任务+事件触发任务”混合任务集合的可调度性分析问题。具体研究内容包括但不仅限于：旋转源加速模式分析以及旋转源转速与任务属性关系模型的构建；单处理器环境下混合任务干扰阈值计算模型和任务属性关系模型的构建；全局调度环境下混合任务最小并行时间计算模型和任务属性关系模型的构建。总体目标为：解决实时多处理器系统中的资源浪费问题、并行计算能力不足问题和任务响应延迟过高问题。