CCF@U992：CCF天津走进天津理工大学

CCF走进高校第992场

敬请关注

由中国计算机学会（CCF）主办，CCF天津、天津理工大学计算机科学与工程学院承办的CCF走进高校活动，将于2023年10月21日在天津理工大学召开，敬请关注。

时间：2023年10月21日（星期六）13:00-17:00

活动地点：天津市西青区宾水西道391号天津理工大学计算机科学与工程学院8-208

议程：

报告信息：

报告题目：新冠疫情研判与预测的数学建模与实战

报告摘要：介绍黄森忠团队自2019年新冠疫情发生以来在疫情研判与预测方面的一些实战经验、以及相应的数学建模方面的问题。最新的文章[3] ，[4]对国内2023年秋冬后新冠疫情的走势给出研判与预测。

嘉宾简介：

黄森忠（Sen-Zhong Huang），博士，教授。1998年至2018年3月，在德国罗斯托克大学从事教学和科研。2018年4月至2020年6月，南开大学统计与数据科学学院客座教授。自2020年7月起，南开大学统计与数据科学学院教授。2018年4月至今，南开大学“智英健康数据研究中心”主任。专业方向是数学，具体科研兴趣在数学流行病学，泛函分析及应用分析。至今已发表论文40多篇，完成一个疫情预警预测平台EpiSIX 2.0。2006年出版专著 Gradient Inequalities: with applications to asymptotic behavior and stability of gradient-like systems. “Math. Survey and Monographs”Vol. 126, Amer. Math. Soc. (2006).是“Math. Review”和“Zentralblatt Math”的评论员。1979年9月至1986年7月，在南开大学学习，获得学士和硕士学位。1991年10月至1996年1月，在德国图宾根大学(Universitaet Tuebingen)学习，获博士学位。

报告题目：间隙约束模式匹配与挖掘研究进展

报告摘要：间隙约束的模式匹配在特定蛋白质查找具有重要的应用，更是重复序列模式挖掘的研究基础。为了对这些问题进行有效地求解，我们提出了具有多树根多双亲的网树数据结构，并应用网树对多种间隙约束的模式匹配和间隙约束的序列模式挖掘问题的计算复杂性和高效的求解算法等方面进行了研究。挖掘出来的模式，可以有效地应用于病毒的相似性检测、车流量预测、用户未来购买物推荐、序列分类和聚类的特征提取等问题。

嘉宾简介：

武优西，男，河北工业大学人工智能与数据科学学院、博士、教授、博士生导师、中国计算机学会杰出会员、IEEE高级会员、中国自动化学会会员、ACM会员，计算机应用专业委员会常委、人工智能与模式识别专委会执行委员、数据库专委会执行委员。先后主持国家自然科学基金面上项目3项，在科学出版社出版专著1部；此外，第一作者或通讯作者先后在《IEEE TKDE》、《IEEE TCYB》、《ACM TKDD》、《ACM TMIS》、《SCIS》、《INS》、《JCST》、《KBS》、《ESWA》、《JIS》、《NEUCOM》、《APIN》、《计算机学报》、《软件学报》和《通信学报》等期刊和会议发表论文40余篇；先后5次获得河北省或天津市科技进步二、三等奖；此外，先后指导4名硕士研究生获评河北省优秀硕士学位论文；研究兴趣：模式挖掘与机器学习。

报告题目：受限反馈下的在线学习及其应用

报告摘要：在线机器学习（在线学习）的本质是寻求学习器对环境反馈的自适应预测。如何精准且高效的建模环境的反馈机制是在线学习算法研究的关键。在实际应用（如：流式推荐任务）中，在线学习算法常面临着受限反馈的问题 (如：延迟反馈、漂移反馈等)。本报告以面向受限反馈的在线学习为主题，探讨各类受限反馈下在线学习的理论方法、典型应用与未来方向。

嘉宾简介：

张骁，中国人民大学高瓴人工智能学院准聘助理教授，主要从事在线学习、因果&可信学习、信息检索应用的研究工作。已在本领域相关的国内外学术期刊和会议上发表论文三十余篇，涵盖 ICML、NeurIPS、KDD、SIGIR、AAAI、IJCAI、WWW、WSDM、CIKM 等人工智能重要国际会议，及 TOIS、《计算机学报》、《中国科学: 信息科学》等计算机学会 A 类期刊，并获得 CCDM 2016、ICPR 2018 优秀论文奖、WWW 2023 最佳论文提名奖。主持科研基金项目多项，包括国家自然科学基金（面上项目、青年基金项目）、科技创新2030——“新一代人工智能”重大项目子课题、腾讯微信犀牛鸟专项研究计划、中国科协高端科技创新智库青年项目、中国博士后科学基金特别资助等。

报告题目：医学文本与DDI信息获取

报告摘要：目前，药物的使用通常以多药联合使用为主，以此来治疗某种或多种疾病。相比于单一药物使用，多药联合使用使得每一种药物的剂量都相对较小，其产生的副作用也较弱。因此，多药联合使用已经成为一种愈发普遍的情况。然而，多种药物之间可能会产生药物与药物之间的交互作用（Drug-drug Interaction，DDI），这种交互作用往往会导致治疗预期之外的副作用。如果不能完全掌握药物的DDI相关信息，将会对病人生命健康、药物研发、社会治理等产生极为严重的影响。传统的获取DDI相关信息的方法主要依靠湿法实验，但湿法实验的过程繁琐且成本高昂。随着医学文献数据的持续积累及深度学习技术的不断发展，从医学文本数据中获取DDI信息已经拥有了成熟的数据和方法基础。利用深度学习相关技术从海量的医学文献数据中获取DDI相关信息，能够对药物研发任务形成强大的助力和支撑。本次报告将主要围绕DDI信息获取展开三个方面的工作介绍，包括：句子级DDI关系提取、文档级DDI关系提取及DDI预测。

嘉宾简介：

窦明亮，博士，现为太原理工大学计算机科学与技术学院讲师，脑科学与智能计算团队成员。2023年获天津大学智能与计算学部博士学位。主要研究领域包括生物信息学、自然语言处理与数据挖掘。在Briefings in Bioinformatics、BIBM等国际知名期刊会议上发表多篇论文，同时担任BIBM会议审稿人。参与多个国家级项目研究，同时参与深圳市“孔雀计划”项目，主要负责医学文本相关工作。

报告题目：多模态多任务情感分析----经典与量子

报告摘要：人类对话具有多模态与多情感特性。在对话过程中，人们通常会通过文字、声音、面部表情等多种渠道来表达多种类型的情感与情绪。情感和情绪（例如讽刺、幽默、喜悦、积极）相互关联，彼此交互，给利用多模态线索识别人类的多种情感带来新的挑战。多模态多任务情感分析方法存在四点挑战：（1）数据资源缺乏，学术界尚未将多种情感、情绪构建一个大一统数据集，无法挖掘多任务学习潜力；（2）模态内交互，即话语间上下文交互；（3）模态间交互，即多模态融合问题；（4）模态外交互，即多任务间的共性与特性。本研究在量子概率的启发下，旨在发展一套多模态多任务感情分析理论框架，包含（1）一个中文或中英文多语言多模态多情感对话数据集；（2）一个量子概率启发的多任务情感分析模型；（3）一个对话图注意力网络模型。本研究将在数据集上展开实验验证，以探索量子概率在情感分析领域的潜力。

嘉宾简介：

张亚洲，目前是郑州轻工业大学讲师、研究生导师，香港理工大学全职博士后，研究方向是多模态情感分析、量子认知、大语言模型。主要致力于采用量子概率与深度学习去分析、识别社交媒体场景下主观性数据的多种模态、多种类型（例如情感、情绪、讽刺、幽默等）的情感。他曾担任2022年北美自然语言处理年会分组报告主席，获得河南省第五届自然科学学术奖二等奖等。主持国家自然科学基金1项，中国博士后科学基金面上项目1项，其他纵向科研项目4项。近五年，在CCF排名A/B类会议如：NIPS, IJCAI, EMNLP等，以及ACM/IEEE Trans.系列期刊上发表了50余篇论文。

报告题目：自适应对比序列模式挖掘研究

报告摘要：序列模式挖掘作为数据分析、特征抽取的一种有效方法，可以应用于序列分类等领域中。当前研究多采用挖掘正类和负类共同的频繁模式的方式，忽略了正负类数据间的差异。对比序列模式挖掘旨在发现正类和负类数据间差异度较大的模式，可以有效区分正负类数据。为了有效解决这个问题，我们提出了自适应间隙，并采用不完整网树结构计算模式的支持度，采用对比度优先挖掘策略生成候选模式。将挖掘出的对比模式作为序列分类的特征，可以有效提高序列分类的精度以及分类模型的可解释性。

嘉宾简介：

王月华，女，天津财经大学管理科学与工程学院、博士、讲师、中国计算机学会会员。先后主持河北省研究生创新项目2项，主研人参与国家自然科学基金3项；此外，先后在IEEE Transactions on Cybernetic、Applied Intelligence、Cluster Computing期刊发表论文3篇；研究方向为模式挖掘与机器学习。

CCF微信公众号，欢迎关注