题 目：Disentangling Cognitive Diagnosis with Limited Exercise Labels
作 者：Xiangzhi Chen, Le Wu*, Fei Liu, Lei Chen, Kun Zhang, Richang Hong, Meng Wang
简 介：本研究提出了基于分解的认知诊断（DCD）方法，旨在解决有限习题标签的挑战。通过利用学生的答题记录来建模学生的能力、习题难度和习题标签分布，并引入基于群体的分解和有限标记对齐模块，以解开与概念相关的因素，并将其与实际有限标签进行对齐。实验结果表明，我们的模型在广泛使用的基准数据集上表现出了优越性。
 PDF   Code

题 目：FairLISA: Fair User Modeling with Limited Sensitive Attributes Information
作 者：Zheng Zhang, Qi Liu*, Hao Jiang, Fei Wang, Yan Zhuang, Le Wu, Weibo Gao, Enhong Chen
简 介：本研究关注具有有限敏感数据的实际情境，提出了一种新颖的FairLISA框架，可以有效地利用已知和未知敏感属性的数据进行公平模型训练。通过建立数据与公平目标之间的关系，并提供通用对抗框架，成功提高了公平性，同时在缺失敏感属性比例不同的情况下保持了高准确性，实验结果表明了该框架的有效性。
 PDF