返回首页
您的位置:首页 > 活动 > 活动日历 > CCF走进高校

CCF@U804 曹健、 孙宇清、 杨波、杨超走进山东师范大学

阅读量:61 2021-06-02 收藏本文

CCF走进高校第804

敬请关注

时间:2021611 14:00报告开始

地点:山东师范大学信息科学与工程学院楼506会议室


l 特邀讲者:曹健,博士,上海交通大学计算机系教授

演讲题目:让推荐更公平

l 特邀讲者:孙宇清,博士,山东大学软件学院教授

演讲题目:跨域学术论文推荐

l 特邀讲者:杨波,博士,电子科技大学计算机科学与工程学院教授

演讲题目:推荐系统的研究现状与发展

l 特邀讲者:杨超,博士,湖南大学信息科学与工程学院副教授

演讲题目:于深度学习的推荐方法研究

参加方式:

CCF会员免费参加,非CCF会员可现场入会并参加。(CCF会员可以带一名非会员参加活动)

特邀讲者:曹健

 


CCF杰出会员,CCF协同计算专委会常务成员、服务计算专委会委员,IEEE高级会员。2000年于南京理工大学获得博士学位,2007年起任上海交通大学计算机系教授、博导,目前为上海交通大学长聘教授、计算机系网络与服务计算研究所所长。主要研究方向为:智能数据分析,网络与服务计算,协同信息系统。近五年来主持项目近30项,其中包括多项国家重点研发计划/863课题、国家自然科学基金课题,上海市科委重点项目,并和国内外单位进行合作研究。成果应用于金融服务、智能运维、个性化旅游服务和个性化医疗领域。获得省部级科技进步奖励8项,入选教育部新世纪优秀人才资助计划。在国内外发表论文300多篇。

演讲议题:让推荐更公平

特邀讲者:孙宇清

 


CCF高级会员,CCF协同计算专委会副主任,系统软件专委会委员。博士,山东大学软件学院教授,博士生导师。研究方向为语义与协同计算,近几年在TDSC、计算机学报等国内外知名学术期刊和国际会议上发表学术论文80余篇。近几年主持和参与了国家自然科学基金重大研究计划、国家自然科学基金、科技部重点研发项目、国家科技支撑计划、国家发改委项目、山东省重点研发计划、山东省自然科学基金重大专项等十余项国家和省部级重要科研课题。

演讲议题:跨域学术论文推荐

议题摘要:了解知识和技术如何跨域传播对于理解和促进学术创新非常有帮助。为了解决解决语义歧义和不对称影响问题,我们研究了跨域论文推荐相关技术,采用生成模型建模文本内容,通过非对称语义相关性函数和对比学习建模跨域知识传播,并以可解释的方式讨论了内在关联因素。

特邀讲者:杨波

 


CCF高级会员,CCF协同计算专业委员会委员(2011-)。西安交通大学获得工学学士、工学硕士学位,于新加坡国立大学获得博士学位并从事博士后研究。2003年开始任教于电子科技大学。教授(2008-)、博士生导师(2010-)。IEEE高级会员(2013-)、四川省计算机学会智能医学分会理事(2014-)。第八批四川省学术和技术带头人后备人选。获教育部高等学校科学研究优秀成果奖(自然科学奖)二等奖一项。

长期从事机器学习与数据挖掘、云计算领域的研究。作为项目负责人主持自然科学基金项目、教育部科学技术研究重点项目、四川省科技计划项目等多项国家级、省部级科研项目。以第一作者或通讯作者(所指导的研究生为第一作者)在IEEE Transactions on Software EngineeringNeural NetworksInformation SciencesFuture Generation Computer SystemsReliability Engineering & System Safety等期刊和会议上发表多篇学术论文。Google Scholar总被引2200余次,H指数:23i10指数:36。在国内外同行中享有较高的学术声誉,两次获得IEEE Outstanding Leadership Award。担任6th IEEE ICCCSIWKDEWL'10的大会主席(General Chair);担任IEEE DASC 20206个国际会议的程序委员会主席(Program Chair); 以及其他40余个国际会议的程序委员会委员。

演讲议题:推荐系统的研究现状与发展

特邀讲者:杨超

 


CCF专业会员,CCF协同计算专委委员,计算机应用专委委员,湖南大学信息科学与工程学院副教授,毕业于日本东京工业大学,获工学博士学位,博士论文及研究曾获得日本社会信息学会最优博士论文奖及秋山奖。主要基于深度学习和机器学习方法从事人工智能相关领域的研究,包括自然语言处理、信息检索与推荐、社会网络计算、情感计算、多媒体内容安全等方面,在ICCVECCVTIPSIGIRKBSIPMCOLINGICMRICME、计算机研究与发展、模式识别与人工智能等国际国内会议及期刊发表多篇学术论文。

演讲议题:基于深度学习的推荐方法研究

 

  CCF微信公众号,欢迎关注