每年的科研成果
每年的科研成果
个人学者
与联合国可持续发展目标相关的专业知识
2015 年，联合国成员国同意 17 项可持续发展目标 (SDG)，以消除贫困、保护地球并确保全人类的繁荣。此人的工作有助于实现下列可持续发展目标：
-
可持续发展目标 2 零饥饿 -
可持续发展目标 3 良好健康与福祉 -
可持续发展目标 7 经济适用的清洁能源
学术指纹
深入探索 Ming Gao 活跃其中的研究主题。这些主题标签来自该研究者的学术成果，它们共同构成了一个独特的学术指纹.
- 1 相似学者
合作关系和合作领域
最近的国家/地区级外部合作关系。点击圆点，以了解详细信息或
-
Survey of Natural Language Processing for Education: Taxonomy, Systematic Review, and Future Trends
Lan, Y., Li, X., Du, H., Lu, X., Gao, M., Qian, W. & Zhou, A., 2026, 在: IEEE Transactions on Knowledge and Data Engineering. 38, 1, 页码 659-678 20 页码科研成果: 期刊稿件 › 文献综述 › 同行评审
10 在新选项卡中打开链接 引用 （Scopus） -
Land Deformation Prediction via Multi-modal Adaptive Association Learning
Qiu, W., Hu, S., Guo, C., Shi, W., Yu, L., Gao, M., Zhou, A. & Yang, B., 10 11月 2025, CIKM 2025 - Proceedings of the 34th ACM International Conference on Information and Knowledge Management. Association for Computing Machinery, Inc, 页码 5146-5150 5 页码 (CIKM 2025 - Proceedings of the 34th ACM International Conference on Information and Knowledge Management).科研成果: 书/报告/会议事项章节 › 会议稿件 › 同行评审
开放访问 -
PA-RAG: RAG Alignment via Multi-Perspective Preference Optimization
Wu, J., Cai, H., Yan, L., Sun, H., Li, X., Wang, S., Yin, D. & Gao, M., 2025, Long Papers. Chiruzzo, L., Ritter, A. & Wang, L. (版本). Association for Computational Linguistics (ACL), 页码 9091-9112 22 页码 (Proceedings of the 2025 Annual Conference of the Nations of the Americas Chapter of the Association for Computational Linguistics: Human Language Technologies: Long Papers, NAACL-HLT 2025; 卷 1).科研成果: 书/报告/会议事项章节 › 会议稿件 › 同行评审
开放访问5 在新选项卡中打开链接 引用 （Scopus） -
Research on Fault Reconstruction Technology for Distribution Networks With a High Proportion of New Energy
Zhang, Y., Gao, M., Yan, H. & Nan, J., 2025, 2025 5th International Conference on New Energy and Power Engineering, ICNEPE 2025. Institute of Electrical and Electronics Engineers Inc., 页码 812-817 6 页码 (2025 5th International Conference on New Energy and Power Engineering, ICNEPE 2025).科研成果: 书/报告/会议事项章节 › 会议稿件 › 同行评审
-
Towards Instance-wise Personalized Federated Learning via Semi-Implicit Bayesian Prompt Tuning
Ye, T., Liu, W., Yao, K., Li, L., Su, S., Chen, C., Li, X., Yin, S. & Gao, M., 10 11月 2025, CIKM 2025 - Proceedings of the 34th ACM International Conference on Information and Knowledge Management. Association for Computing Machinery, Inc, 页码 3877-3887 11 页码 (CIKM 2025 - Proceedings of the 34th ACM International Conference on Information and Knowledge Management).科研成果: 书/报告/会议事项章节 › 会议稿件 › 同行评审
开放访问