11月4日下午，澳大利亚麦考瑞大学计算学院助理教授Usman Naseem博士应邀做客STAR青年学者论坛，作题为“Figurative Language Modelling for Health Mention Classification on Social Media”的学术报告。报告吸引了来自转化医学研究院、自动化与感知学院、数学科学学院等院系的教师和研究生参加，由转化医学研究院毕磊副教授主持。

Naseem博士在报告中指出，社交媒体健康提及分类（Health Mention Classification, HMC）在公共卫生监测中具有重要意义，可用于识别药物不良反应和用户讨论的个人健康状况。然而，现有预训练语言模型在区分疾病词汇的字面语义与修辞性表达方面能力有限，容易造成语义误判；同时，医学领域标注资源匮乏，模型微调往往受限，且相关方法在不同社交媒体平台之间的泛化能力仍待提升。针对这一挑战，Naseem博士介绍了其团队基于语言学理论构建的创新方法：通过对比学习建模修辞性语言中的语义不一致性，提升文本表征的准确性；结合半监督学习与自训练策略缓解标注短缺问题，降低对大规模人工标注数据的依赖。

报告结束后，Naseem博士与与会师生围绕自然语言处理（NLP）模型鲁棒性、跨平台可迁移性、以及大型语言模型（LLM）在医疗健康场景的潜在应用展开讨论。