您现在的位置: 首页 > 网站导航收录 > 百科知识百科知识

唐杰（清华教授）个人简历(资料简介及图片)

清华大学,社会,网络唐杰（清华教授）个人简历(资料简介及图片)

发布时间：2019-02-08加入收藏来源：互联网点击：

唐杰，毕业于清华大学，清华大学计算机科学与技术系长聘教授，计算机系副主任。

他主要研究人工智能、数据挖掘、社交网络、机器学习以及知识图谱等领域，其发表论文200多篇，拥有专利20多项，曾获国家自然科学基金杰出青年基金。

,

教育背景

工学博士 (计算机科学与技术), 清华大学, 中国, 2006.

研究领域

人工智能

数据挖掘

社交网络

机器学习

知识图谱

研究概况

研究兴趣主要包括人工智能、数据挖掘、社交网络、机器学习以及知识图谱。

主要创新性研究包括：

1）社会影响力分析：提出基于话题的社会网络影响力模型，针对大规模社会网络进行用户级别的微观建模，自动计算用户之间基于不同话题层次的影响力强度，为定量化、细粒度的网络影响力分析给出理论基础，部分解决了影响力最大传播模型的输入假设问题。

2）社会网络用户行为建模：将社会网络的基础理论(结构平衡理论、两阶段传播理论、结构洞理论等) 融入概率因子图模型中对社会网络关系和强度进行定量描述，实现了社会网络关系挖掘的统一学习算法。

3）网络行为建模和影响力分析，提出了针对社会网络的微观动态分析方法，并首次提出了社会影响力的量化分析方法，以及社会网络行为和社会影响力关联关系的分析方法。

4）应用上述研究成果，研发了完全自主知识产权的科技情报大数据挖掘与服务平台AMiner。系统2006年上线以来，吸引了来自全球220个国家/地区的1000多万次独立IP访问。

研究课题

国家自然科学基金课题: 统一的语义内容标注模型研究 (2008-2010);

国家自然科学基金重点课题: 面向Web的社会网络理论与方法研究 (2010-2013);

863课题: 基于概率图模型的异构XML数据集成与检索 (2009-2010);

IBM国际合作项目: 社会网络搜索和挖掘 (2007-2011);

Nokia国际合作项目: 基于移动终端的本体场景建模和管理 (2009-2011).

奖励与荣誉

2018年国家自然科学基金杰出青年基金2017年北京市科学技术奖一等奖2016年微软亚洲研究院合作研究奖2015年牛顿高级学者基金2013年中国人工智能学会（CAAI）吴文俊人工智能科学技术（进步）一等奖2012年CCF青年科学家奖2012年NSFC优秀青年学者2011年北京科技新星2010年IBM可扩展数据分析创新教师奖2010年清华学术新人奖2012年JCDL最佳学生论文提名2011年PKDD最佳学生论文报道2016年度清华大学计算机系先进工作者2012年度清华大学计算机系先进工作者2011年度清华大学先进工作者2011年度清华大学计算机系先进工作者2007年度清华大学计算机系先进工作者2006年度清华大学优秀博士论文

出版著作

[1] Jiezhong Qiu, Yuxiao Dong, Hao Ma, Jian Li, Chi Wang, Kuansan Wang, and Jie Tang. NetSMF: Large-Scale Network Embedding as Sparse Matrix Factorization. In Proceedings of the Web Conference 2019 (WWW’19) (accepted).

[2] Yukuo Cen, Jing Zhang, Gaofei Wang, Yujie Qian, Chuizheng Meng, Zonghong Dai, Hongxia Yang, and Jie Tang. Trust Relationship Prediction in Alibaba E-Commerce Platform. IEEE Transaction on Knowledge and Data Engineering (TKDE), 2019 (accepted).

[3] Wenzheng Feng, Jie Tang, Tracy Xiao Liu, Shuhuai Zhang, and Jian Guan. Understanding Dropouts in MOOCs. In Proceedings of the 33rd AAAI Conference on Artificial Intelligence (AAAI’19).

[4] Yi Qi, Qingyun Wu, Hongning Wang, Jie Tang, and Maosong Sun. Bandit Learning with Implicit Feedback. In Proceedings of the Thirty-Second Annual Conference on Neural Information Processing Systems (NIPS’18).

[5] Yutao Zhang, Fanjin Zhang, Peiran Yao, and Jie Tang. Name Disambiguation in AMiner: Clustering, Maintenance, and Human in the Loop. In Proceedings of KDDu201918, pages 1002-1011.

[6] Jiezhong Qiu, Jian Tang, Hao Ma, Yuxiao Dong, Kuansan Wang, and Jie Tang. DeepInf: Social Influence Prediction with Deep Learning. In Proceedings of the Twenty-Forth ACM SIGKDD International Conference on Knowledge Discovery and Data Mining (KDD’18).

[7] Hong Huang, Yuxiao Dong, Jie Tang, Hongxia Yang, Nitesh V. Chawla, and Xiaoming Fu . Will Triadic Closure Strengthen Ties in Social Networks? ACM Transactions on Knowledge Discovery from Data (TKDD), 2018, Volume 12 Issue 3, Article No. 30.

[8] Yang Yang, Jie Tang, and Juanzi Li. Learning to Infer Competitive Relationships in Heterogeneous Networks. ACM Transactions on Knowledge Discovery from Data (TKDD), 2018, Volume 12 Issue 1, Article No. 12

[9] Yujie Qian, Jie Tang, and Kan Wu. Weakly Learning to Match Experts in Online Community. In Proceedings of the 27th International Joint Conference on Artificial Intelligence (IJCAI’18).

[10] Kan Wu, Jie Tang, and Chenhui Zhang. Where have you been? Inferring career trajectory from academic social network. In Proceedings of the 27th International Joint Conference on Artificial Intelligence (IJCAI’18).

[11] Tiancheng Shen, Jia Jia, Guangyao Shen, Fuli Feng, Xiangnan He, Huanbo Luan, Jie Tang, Tatseng Chua, Thanassis Tiropanis, and Wendy Hall. Cross-Domain Depression Detection via Harvesting Social Media. In Proceedings of the 27th International Joint Conference on Artificial Intelligence (IJCAI’18).

[12] Xiaotao Gu, Hong Yang, Jie Tang, Jing Zhang, Fanjin Zhang, Debing Liu, Wendy Hall, and Xiao Fu. Profiling Web Users Using Big Data. Social Network Analysis and Mining (SNAM), accepted.

[13] Hong Huang, Yuxiao Dong, Jie Tang, Hongxia Yang, Nitesh V. Chawla, and Xiaoming Fu. Will Triadic Closure Strengthen Ties in Social Networks? ACM Transactions on Knowledge Discovery from Data (TKDD), accepted.

[14] Yutao Zhang, Robert Chen, Jie Tang, Jimeng Sun, and Walter Stewart. LEAP: Learning to Prescribe Effective and Safe Treatment Combinations for Multimorbidity. In Proceedings of the Twenty-Third ACM SIGKDD International Conference on Knowledge Discovery and Data Mining (KDD’17), pages 1315-1324.

[15] Jing Zhang, Jie Tang, Yuanyi Zhong, Yuchen Mo, Juanzi Li, Guojie Song, Wendy Hall, and Jimeng Sun. StructInf: Mining Structural Influence from Social Streams. In Proceedings of AAAI’17, pages 73-79.

[16] Jie Tang. Computational Models for Social Network Analysis: A Brief Survey. In Proceedings of WWW’17, pages 921-925.

[17] Yu Han, Jie Tang, Hao Ye, and Bo Chen. Who to Invite Next? Predicting Invitees of Social Groups. In Proceedings of the 26th International Joint Conference on Artificial Intelligence (IJCAI’17), pages 921-925.

[18] Liangming Pan, Chengjiang Li, Juanzi Li, and Jie Tang. Prerequisite Relation Learning for Concepts in MOOCs. In Proceedings of the 55th Annual Meeting of the Association of Computational Linguistics (ACL’17), pages 1447-1456.

[19] Jie Tang. Computational Models for Social Network Analysis: A Brief Survey. In Proceedings of the Twenty-Sixth World Wide Web Conference (WWW’17), pages 921-925.

[20] Jie Tang and Wendy Hal. Cross-domain Ranking via Latent Space Learning. In Proceedings of AAAI’17.

社会兼职

ACM TKDD执行主编；

IEEE TKDE、 ACM TIST、 IEEE TBD、 Science China编委；

Web Intelligence 2010: 程序委员会副主席 (2010);

KDD-LDMTA 2010, ICDM-LDMTA 2009-2010, WWW-SWSM 2008, CIKM-SWSM 2009: 联合主席 (2008-2010);

KDD 2010, SIGIR 2009-2010, WWW 2010, ACL 2010, COLING 2010: 程序委员会委员 (2009-2010).

本文到此结束，希望对大家有所帮助呢。