近日，博士生冯哲的论文“Time-aware and Direction-constrained Collective Spatial Keyword Query”被智能交通领域的顶级国际期刊IEEE Transactions on Intelligent Transportation Systems录用。另外，博士生张陆的论文“FedDiffRec: A Module-wise Training Approach for Diffusion-Based Recommendation in Federated Learning”和博士生马铭杰的论文“EventLens: Enhancing Visual Commonsense Reasoning by Leveraging Event-aware Pretraining and Cross-modal Linking”被The 50th IEEE International Conference on Acoustics, Speech, and Signal Processing（ICASSP 2025）录用。

论文内容简要介绍如下。

冯哲博士生的论文聚焦时间感知与方向限制的集合空间关键字搜索问题（TDCoSKQ），这是空间关键字查询领域的一个重要变体。现实生活中用户的行为往往具有明确的方向性，他们期望获取的查询结果能遵循特定的方向，如图-1所示。又考虑到时间信息在基于位置的查询过程中也至关重要，论文率先提出了时间感知方向限制的集合空间关键字查询问题。

                           图-1 TDCoSKQ查询实例 图-2 空间划分示意图

为高效处理方向相关的运算，论文采用了极坐标系来组织空间对象，如图-2所示。据此，我们设计了一种高效的空间划分方法，并开发了一种新颖的混合索引结构——KRPQT，如图-3所示。利用KRPQT，我们从关键字、时间、方向等多个维度出发，提出了一系列不相关区域和对象的剪枝策略，进而设计了KRPQB基本算法。

图-3 KRPQT索引结构

为进一步优化查询过程，论文对可能的查询区域和结果对象进行了深入分析和约简，显著削减了候选区域和候选结果的数量。在此基础上，提出了KRPSW、KRPSW+LFO（如图-4）和KRPSW+LFRP（如图-5）三种优化算法。这些算法不仅适用于当前的查询场景，还可扩展至处理其他距离函数下的TDCoSKQ查询以及带加权对象的TDCoSKQ查询。

                                             图-4 KRPSW+LFO 图-5 KRPSW+LFRP

使用三个真实数据集进行了广泛的实验，证明了所提四种算法的性能。相比于KRPQB基本算法，KRPSW、KRPSW+LFO（如图-4）和KRPSW+LFRP（如图-5）三种优化算法在查询时间复杂度的尺度上有着递增式的优化效果。部分实验结果如图-6所示。

图-6 在不同的查询条件下，各算法的执行时间对比