EAGLE实验室2篇论文被人工智能跨学科研究领域顶级会议WWW2025录用
The Web Conference (WWW)是人工智能跨学科研究领域的顶级会议，其作为全文poster收录于主会论文集的Web4Good Special Track致力于探讨互联网和社交媒体技术在促进弱势或边缘化群体福祉、推动可持续发展及建设健康人类社会方面的研究与应用。近日，EAGLE实验室博士生顾铭的论文”Towards an Inclusive Mobile Web: A Dataset and Framework for Focusability in UI Accessibility ” 被WWW2025 Web4Good专题录用。硕士生刘潇的时间序列分类论文 ” Unraveling Spatial-Temporal and Out-of-Distribution Patterns for Multivariate Time Series Classification ” 被WWW2025录用为短文。
移动网络技术的快速发展彻底改变了人们日常生活的方式，符合可访问性支持要求的移动用户界面（UI）已成为支持残障用户和情境障碍用户的重要需求。然而，现有的人工智能驱动UI理解方法主要集中于一般性的UI建模，未能充分考虑以用户为中心的无障碍设计需求。
为弥补这一研究空白，团队开展了一项基于12 名视障参与者的形成性研究。研究首次发现了一类新的可访问性挑战——选择性可访问性（Selective-accessible），即UI组件需要更精细和选择性的聚焦，而现有方法对此缺乏足够支持。此外，研究还发现交互阶段对可访问性问题的严重程度有显著影响，尤其是在早期交互阶段问题更为突出。基于研究发现，团队提出了一个综合性的UI无障碍框架，涵盖Focusability、Information 和Functionality（简称 FIF）三个阶段，包含3大总体任务和12个子任务。其中，UI元素可聚焦性预测（UFP）被确立为 FIF 框架中的关键任务，但尚未得到充分研究探索。为此，团队引入了一个全新数据集NOS，包含117,480个带标注的UI组件，为解决移动UI的可访问性问题提供了系统支持。
此外，为提升UFP任务的性能，团队提出了基于图关系挖掘的UI可聚焦性预测方法GIFT。这一方法通过图神经网络挖掘UI组件之间的关系，有效改善了UFP任务的结果。用户研究验证了NOS数据集的高质量，而实验结果表明GIFT方法在提升UI可聚焦性预测方面具有显著效果。
为推动Web包容性研究的进一步发展，团队已在EAGLE-Lab GitHub上公开了相关代码和数据集，欢迎学术界与工业界共同探索和推进这一领域的研究。
时间序列是一种在各个领域有广泛应用的数据。其中，时间序列分类任务是其中一个重要的下游任务，学习其特殊的模式对分类的准确性有很重要的作用。
多变量时间序列中，变量与变量之间的分布存在变化，这一点已得到众多研究证实。然而，正如上图所示，即便是同一变量，在不同时间段内同样会出现分布变化，进而引发 MT-OOD（Multidimensional Temporal Out-of-Distribution）现象 。值得注意的是，过往研究并未充分考量时间序列的时空属性，以及OOD（Out-of-Distribution）模式对分类任务的重要意义。
在本文里，我们引入了一种名为STOP的方法。该方法挖掘多变量时间序列数据中存在的MT-OOD现象，核心在于对多变量时间序列数据所蕴含的时空模式以及OOD模式进行精准提取，从而提升多变量时间序列分类工作的准确性。我们开展了广泛且细致入微的实验，在29个多维时序数据集上的结果充分验证了STOP方法的有效性。