何清 中国科学院计算技术研究所研究员

何清，男，1965年8月出生，中国科学院计算技术研究所研究员，博士生导师。中国人工智能学会会士·、副秘书长，常务理事，知识工程与分布智能专业委员会副主任委员，机器学习专业委员会常务委员。中国计算机学会高级会员，人工智能与模式识别专业委员会委员。中国电子学会和中国通信学会云计算专家委员会委员。

工作学习经历：

2008年10月被中国科学院计算技术研究所聘为研究员

2007年6月被中国科学院计算技术研究所聘为博士生导师

2006年5月被中国科学院研究生院聘为教授

2002年8月，在中国科学院计算技术研究所，副研究员，硕士生导师

2000年8月-2002年8月 中国科学院智能信息处理重点实验室博士后

1997年8月-2000年7月 北京师范大学 模糊数学与人工智能专业 博士毕业，获博士学位

1996年7月被河北科技大学评聘为副教授

1987年8月-1997年7月 河北科技大学教师

1987年8月郑州大学数学专业研究生班毕业

1985年8月河北师范大学数学系本科毕业

出国学习工作：

2001年11月俄罗斯圣彼得堡信息与自动化研究所合作交流,执行中俄政府间科技合作项目

2003年10月澳大利亚UniSA高级访问学者，执行中澳国际特别基金合作项目

2004年10月澳大利亚UTS, 中国科学院高级访问学者计划

社会兼职：

2014-04-25-今,中国电子学会大数据专家委员会, 委员

2012-05-31-今,中国通信学会大数据专家委员会, 委员

2009-06-01-今,中国电子学会云计算专家委员会, 委员

2003-08-01-今,中国人工智能学会, 副秘书长

2003-06-01-今,中国人工智能学会知识工程与分布智能专业委员会, 秘书长、副主任委员

国际学术会议程序委员:

1、The 13th IEEE International Conference on Data Mining, Dallas, Texas, US, 8-11 December 2013.

2、The 1st 2st3st International Conference on Cloud Computing, 2009, 2010, 2011.

3、The 8th International Conference on Dependable, Autonomic and Secure Computing (DASC-09) December 12-14, 2009, Chengdu, China

4、The Sixth International Symposium on Neural Networks，May 26-29, 2009, Wuhan, China

5、2003, 2005, 2007 2008 and 2009 International Conference on Natural Language Processing and Knowledge Engineering

6、2008 Multi-Conference on Advanced Intelligence October 18-22, 2008 Beijing, China

7、The 4th International Conference on Fuzzy Systems and Knowledge Discovery 24- 27 August 2007, Haikou

8、2007 International Conference on Natural Language Processing and Knowledge Engineering

9、2006 International Symposium on AI－50 Years' Achievements, Future Directions and Social Impacts (ISAI06)

10、2005, the fourth International Conference on Active Media Technology (AMT06) was held in Brisbane, Australia in June 7-9

国际刊物副主编：

1、Springer出版的国际期刊International Journal of Machine Learning and Cybernetics (IJMLC)副主编

参与编辑的会议论文集与期刊专集：

1、Intelligent information processing II  pp. 539  Year of Publication: 2004 ISBN:0-387-23151-X , Springer-Verlag  London, UK

2、《计算机学报》2007.8数据挖掘与机器学习专集

国际刊物审稿人：

1、IEEE Transactions on Knowledge and Data Engineering

2、IEEE Transactions on Systems, Man and cybernetics

3、International Journal of Mathematical and Computer Modeling

4、International Journal of Pattern Recognition and Artificial Intelligence

5、International Journal on Machine Learning and Cybernetics

6、Soft Computing

7、Neurocomputing

主讲课程：

1、人工智能基础课程首席教授

2、认知计算研讨课

3、本科生毕业设计（计算机科学与技术）

4、云计算与大数据管理系列讲座

5、模糊数学及计算机应用

招生信息：   

招生专业

081202-计算机软件与理论

081203-计算机应用技术

083500-软件工程

招生方向

机器学习、数据挖掘、人工智能

计算机技术

软件工程

培养研究生情况： 

 何清2020年获得华为奖教金、2007年获得所长奖教金，他所教授的课程《人工智能基础》获评国科大优秀课程，他所指导的学生多人获得科学院和计算所奖励，学生毕业后就业情况很好。

已毕业学生：

1. 赵秀荣是2004级硕士研究生，于2007年获得计算机软件与理论专业硕士学位。在学期间，她发表SCI、EI收录论文5篇，获得中国科学院刘永龄奖学金(全院50人)，2007年毕业后在北京中央外汇业务中心工作。

2. 刘秋阁是2005级硕士研究生，2008年获得计算机软件与理论专业硕士学位。在学期间，他在PAKDD08发表长文一篇（长文占录用文章的12%），并获得赴日本参会奖励（共10名），2008年毕业后到腾讯研究院在北京工作。

3. 赵卫中是2007级博士研究生，2010年获得计算机软件与理论专业博士学位。在学期间，他发表国外SCI期刊和计算机学报等EI收录论文6篇，获得2009年北纬通讯奖学金，2010年优秀毕业生称号，2010年毕业后去湘潭大学工作，2012年去美国工作。

4. 李金成是2007级硕士研究生，2010年获得计算机软件与理论方向硕士学位。他在学期间发表三篇论文被EI收录，获得2010年所长优秀奖，现在深圳证券所工作。

5. 庄福振是2006级硕博研究生2011年获得计算机软件与理论专业博士学位。在IEEETKDE，InformationScience，Chinese Science Bulletin, CIKM2010，SDM2010、ICDM2010等期刊和会议发表论文，2008年获得度夏培肃奖，2011年获得中国科学院院长奖学金优秀奖，2013年获得中国人工智能学会优秀博士论文奖。在学期间赴香港科技大学学习2个月，并获得国家留学基金资助前往明尼苏达大学学习半年。2011年7月留在计算所工作，2013年被聘为副研究员。

6. 马旭东是2008级硕士研究生, 2011年获得计算机软件与理论专业硕士学位。在学期间，他获得2010年腾迅优秀奖，在2011年在人工智能顶级国际会议IJCAI2011上发表论文一篇，毕业后前往Google工作，现在美国Google总部工作。

7. 李婷婷是2009级硕士研究生, 2011年获得计算机软件与理论专业硕士学位。在学期间，她发表两篇EI收录论文，2011年毕业后到中国银行在北京工作。

8. 谭庆是2008级博士研究生, 2012年获得计算机软件与理论专业博士学位。在学期间，他在AAAI10和IJCMA等国际会议和期刊上发表论文4篇,获得2010年北纬通信博士生奖，2012年2月毕业后到阿里云在北京工作。

9. 王群是2009级硕士研究生，2012年获得计算机软件与理论专业硕士学位，发表EI收录论文2篇，2010年获得北纬通信硕士生奖，2012年毕业到人民网工作，现在高德公司在北京工作。

10. 罗文娟是2008级计算机软件与理论专业硕博研究生,她在SCI国际期刊KBS和AIRS2010、PAKDD2012等会议上发表论文4篇，2013年毕业后到人人网在北京工作。

11. 董智是2010级计算机软件与理论专业硕博连读研究生，已发表EI收录文章2篇，2013年毕业后到新华网，在北京工作。

12. 马云龙是计算机应用技术专业2010级硕士研究生，已发表EI收录文章1篇，2011年获得北纬通信硕士生奖，2013年毕业后到中国科学院信息工程研究所，在北京工作。

13. 李宁是2009级计算机软件与理论专业博士研究生，已在IJNDC，SNPD2012等期刊和会议发表EI收录的论文4篇，国内核心论文2篇，现在中科院信工所工作。

14. 尚田丰是2010级计算机软件与理论专业博士研究生，已在SCI国际期刊NeuroComputing发表论文1篇，并已在APWeb13、IJCNN13上发表论文，2012年获得北纬通信博士生奖。毕业后到新加坡管理大学做博士后。

15. 韩硕是2011级计算机软件与理论专业硕士研究生，在Physica A和PAKDD14上发表论文两篇，2013年获得北纬通讯奖学金。毕业后到北京亚马逊公司工作。

16. 余文超是2011级计算机软件与理论专业硕士研究生，在ECMLPKDD13、NeuroComputing上发表录用论文3篇，2013年获得计算所所长优秀奖，毕业后到美国那卡罗莱纳大学读博士。

17. 杜长营是2009级计算机软件与理论专业硕博连读研究生，2015年博士毕业。他已在NeuroComputing发表SCI收录论文,并在ICDM12上发表长文一篇，获得2010年所长优秀奖，毕业后到中国科学院软件所工作。

18. 金鑫是2011级计算机软件与理论专业博士研究生，已在SCI国际期刊NeuroComputing、AMC发表论文2篇，并在ECMLPKDD13发表论文（oral+poster），2013年获得所长优秀奖，2015年博士毕业，毕业后到华为公司北京工作。

19. 敖翔是2010级硕博连读研究生，2012年9月转博，在Information Sciences、WWW14等期刊和会议上发表论文3篇，申请专利1项，2013年获得腾讯奖学金特等奖，获得2014年国家奖学金，2015年博士毕业，现留所工作。

20. 吴新宇是2012级计算机软件与理论硕士研究生，申请了专利两项，2013年获得了计算所技术创新大赛奖项，获得中国科学院计算技术研究所硕士所长奖学金，毕业后到IBM北京工作。

21. 程晓虎是2012级计算机软件与理论专业硕士研究生，IJCAI15、FSKD14发表论文一篇，获得中国科学院计算技术研究所斯伦贝谢硕士生奖学金，毕业后到腾讯北京工作。

22.王浩成是2012级计算机软件与理论专业博士研究生，在Fuzzy Sets and Systems、IDA、SNPD2014、ELM2015上发表论文。 获得2015年度所长优秀奖博士生奖，毕业后到北京市公安局工作。

23.闫肃是2013级计算机软件与理论专业硕士研究生，在KDD16合作发表论文一篇，毕业后到腾讯工作。

24.罗丹是2013级计算机软件与理论专业硕士研究生，在ICDM2015合作发表论文一篇，毕业后到微软工作。

25.黄明是2014级计算机软件与理论专业硕士研究生，申请专利一项，在Machine Learning期刊发表论文一篇，毕业后到百度工作。

26.左罗是2014级计算机软件与理论专业硕士研究生，申请专利一项，在DASFA18合作发表论文一篇，毕业后到中国人民银行工作。

27.周干斌2013级计算机软件与理论专业直博研究生， 在IJCAI16, AAAI17、AAAII、SCIENCE CHINA发表论文五篇，毕业后到腾讯工作。

28.周英敏2014级计算机软件与理论专业 硕士研究生，在WWW17发表论文一篇，现在苏州微软研究院工作。

29.何佳 直博研究生 2014年入学，在IJCAI16,IJCAI17等会议和期刊上发表论文5篇，国家奖学金博士生奖，第四范式博士生奖，毕业后到华为北京研究所工作。

30.陈敬伍 硕士研究生 2016年入学，合作获得IJCAI17年数据挖掘大赛最具潜力奖。在IEEETKDE、SIGIR18发表论文2篇，获得国家奖学金硕士生奖，毕业后到头条工作。 

31.泰潘 博士留学生 2016年入学，在PR等国际期刊上发表论文两篇，毕业后到泰国国立法政大学Thammasat University任教。

32.奚冬博  硕士研究生 2017年入学，在AAAI2019、WWWW2020、SIGIR20发表论文4篇，获得2019年获三好学生称号，2019年获易方达金融科技硕士生奖，2019年获学业奖学金一等奖，毕业后到美团工作。

33.张钊博士研究生  2015年入学，申请专利一项.发表AAAI2020、EMNLP2018、CIKM2018、Information System论文共四篇，获得所级企业冠名奖学金，毕业后留所工作。

34.潘斐阳 直博研究生 2016年入学，IJCAI-17数据挖掘大赛第一赛季第1名、特别奖、最具潜力奖，IJCAI-18数据挖掘大赛第一赛季第1名，Kaggle世界排名63/83522，Kaggle Recuit challenge第1名，Kaggle TalkingData fraud click detection第2名。在WWW2020、AAAI2019、WWW2019，SIGIR19、NeuIPS发表论文6篇，2018年获得所级企业冠名奖，获得2021年度所长特别奖，毕业后入选华为天才计划进入华为工作。

35.罗玲 硕士研究生 2018年入学，分别在IJCAI18、IJCAI19、ENMLP20发表长文3篇，毕业后到华为工作。

36. 曹逸轩是2015级计算机软件与理论专业直博研究生。 

37. 李宏伟是2015级计算机软件与理论专业硕士研究生。

38.贾 海 硕士研究生 2019入学，2021年毕业

现在学生：

1. 孙 莹 硕博研究生  2017年入学，在NATURE 子刊COMMUNICATIONS和 Scientific Reports, 、KDD18、KDD19、SIGIR21、WWW21等发表论文

2.柳 阳 博士研究生 2017年入学，IEEETKDE录用论文1篇，WWW21、WWW、DASFA、CIKM2020发表论文5篇

3.李硕凯 直博研究生 2018年入学，在Neural Networks发表论文一篇 

4.于 朔 博士研究生 2019入学  

5.黄艨靼 硕士研究生 2019入学 

6.董临风 硕士研究生 2019入学     

7.王天鑫 硕士研究生 2019入学，在ECAI 2020、CIKM2021发表论文二篇

8.汪润川 硕士研究生 2019入学，在CIKM2021发表论文一篇

9.张富威 硕士研究生 2020入学

10.张函玉 直博研究生  2020入学

11.吴贻清 硕士研究生 2020年入学，在ICDM 2020发表论文一篇

12. 薛泓彦  博士研究生 2020入学  

13.刘骐鸣  硕士研究生  2020入学  

14.周子贤  硕士研究生  2020入学

15.李昊明  硕士研究生  081202-计算机软件与理论  

研究方向：

机器学习、数据挖掘、文本挖掘、基于云计算的分布式并行数据挖掘等人工智能领域。

主持或参加完成的科研项目：

1. 国家自然科学基金面上项目：深度与宽度自适应的深度极端学习机模型研究, No.61573335， 2016年01月至 2019年 12月，负责人

2. 国家自然科学基金一年期滚动项目NO.91846113，项目名称：一年期滚动项目——证券管理决策大数据挖掘云服务平台研究，2019.1.1-2019.1.231

3. 国家自然科学基金大数据重大计划培育项目：“证券管理决策大数据挖掘云服务平台研究” No. 91546122，2016年1 月至2018年12月，负责人，圆满完成，被评为优。。

4. 国家自然科学基金面上项目“领域适应性问题相关学习算法与理论研究”，No. 61175052,2012.1-2015.12,负责人，圆满完成，顺利结题。

5. 国家自然科学基金重点项目“WEB 搜索与挖掘的新理论与方法”，No. 60933004,2010.1-2013.12, 合作方负责人, 结题被评为优。

6. 国家自然科学基金面上项目：分布式计算环境下的并行数据挖掘算法与理论研究，2010.1～2012.12，负责人，圆满完成，顺利结题。

7. 国家自然科学基金面上项目“基于超曲面的覆盖分类算法与理论研究” No. 60675010，2007.1-2009.12 负责人，被评为优。

8. 国家自然科学基金“概念语义空间及其应用”No.60173017，负责人：何清，2001.1-2002.12，被评为优。

9. 国家“八六三”高技术研究发展计划项目“开放环境下海量web数据提取、集成、分析和管理系统平台与应用”所属课题“海量web数据内容管理、分析挖掘技 术与大型示范应用” No.2012AA011003, 2012.1-2014.12。子课题负责人，结题获得好评。

10. 国家“八六三”高技术研究发展计划“基于感知机理的智能信息处理技术”No：2006AA01Z128, 负责人，2006.9-2008.12，结题获得好评。

11. 国家“八六三”高技术研究发展计划“自主计算的理论和技术研究”No：2003AA115220, 负责人， 2003.7-2005.10，结题获得好评。

12. 973项目课题“非结构化信息(图像)的内容理解与语义表征”No. 2007CB311004，2007.7-2012.7，骨干，项目结题被评为优。

主要学术贡献：

1.提出了基于超曲面的系列覆盖学习算法；

2.提出极小样本集抽样方法与相关理论；

3.提出了基于进化规划的基于摄动的模糊聚类改进算法，解决了模糊聚类失真问题；

4.证明了模糊集扩展原理在范畴论意义下的合理性；

5.提出了概念语义空间用于知识管理；

6.提出了一种极端支持向量机分类算法；

7.提出了基于粒度的多层次决策方法；

8.组织开发了国内最早的基于云计算平台Hadoop的并行数据挖掘系统。

软件著作权：

序号	软件名称	登记号	登记日期	版本号
1	冬奥知识问答系统	2021SR0494704	2021-04-06	V1.0
2	迁移学习算法工具包软件	2021SR0161093	2021-01-28	V1.0
3	潜在离网用户预测系统	2018SR045680	2018-01-19	V1.0
4	基于Spark和Azkaban的大规模数据挖掘云服务平台系统	2016SR329461	2016-11-14	V1.0
5	基于Spark云计算的数据挖掘软件系统	2016SR218993	2016-08-15	V1.0
6	迁移学习系统	2015SR195765	2015-10-13	V1.0
7	城市人口全生命周期数据挖掘系统	2015SR071535	2015-04-29	V1.0
8	Web挖掘云服务平台 (Web Mining Cloud Service）	2013SR027808	2013-03-26	V1.0
9	基于云计算的Web挖掘系统	2012SR119823	2012-12-05	V1.0
10	数据挖掘云服务平台	2010SR060647	2010-11-13	V1.0
11	并行分布式数据挖掘软件系统（PDMiner）	2010SR005800	2010-01-29	V1.0
12	并行分布式数据挖掘软件系统（PDMiner）	2010SR005800	2010-01-29	V1.0
13	Web信息智能处理软件(网络版)	2008SR35473	2008-12-18	V1.0
14	基于几何超曲面的分类系统	2008SR02159	2008-01-30	V1.0

发明专利：

序号	专利名称-原文	发明人	所内发明人	专利名称-交局	申请号	申请日	授权公告日
1	一种基于知识图谱的小样本图片识别方法及系统	朱勇椿;庄福振;何清	何清	一种基于知识图谱的小样本图片识别方法及系统	CN202110041403.0	2021-01-13	2023-11-24
2	基于细粒度领域自适应的跨领域图像分类方法及系统	朱勇椿;庄福振;何清	何清	基于细粒度领域自适应的跨领域图像分类方法及系统	CN202010025566.5	2020-01-10	2023-09-26
3	基于分布式并行决策树的高维特征数据分类方法及系统	孙莹;庄福振;敖翔;何清	敖翔,何清	基于分布式并行决策树的高维特征数据分类方法及系统	CN202010022431.3	2020-01-09	2023-06-13
4	一种基于频繁交易模式的异常账户检测方法及系统	敖翔;柳阳;秦紫笛;何清	敖翔,何清	一种基于频繁交易模式的异常账户检测方法及系统	CN201910846523.0	2019-09-09	2022-09-30
5	一种分布式的趋同行为挖掘方法与系统	李宏伟;罗平;敖翔;庄福振;何清	罗平,敖翔,何清	一种分布式的趋同行为挖掘方法与系统	CN201810271602.9	2018-03-29	2020-12-04
6	描述型多维度事件序列的并行频繁情节挖掘方法与系统	敖翔;左罗;罗平;庄福振;何清	敖翔,罗平,何清	描述型多维度事件序列的并行频繁情节挖掘方法与系统	CN201610524750.8	2016-07-05	2019-04-30
7	一种基于并行自动编码机的特征学习方法及系统	庄福振;钱明达;申恩兆;敖翔;罗平;何清	敖翔,罗平,何清	一种基于并行自动编码机的特征学习方法及系统	CN201610147007.5	2016-03-15	2018-06-26
8	一种大数据分类方法及系统	何清;吴新宇;庄福振;敖翔	何清,敖翔	一种大数据分类方法及系统	CN201310727192.1	2013-12-25	2017-04-12
9	一种面向大数据的分布式主题发现方法及系统	吴新宇;何清;庄福振;敖翔	何清,敖翔	一种面向大数据的分布式主题发现方法及系统	CN201310526790.2	2013-10-30	2017-03-29
10	一种并行的垂直交叉网络数据采集方法及系统	敖翔;何清;庄福振	敖翔,何清	一种并行的垂直交叉网络数据采集方法及系统	CN201310146080.7	2013-04-24	2016-04-13
11	一种采用决策树的数据分类方法和系统	庄福振;何清	何清	一种采用决策树的数据分类方法和系统	CN201110143821.7	2011-05-31	2013-06-19
12	一种基于栈指令序列的智能合约相似度检索方法及系统	柳阳;敖翔;庄福振;罗平;何清	敖翔,罗平,何清	一种基于栈指令序列的智能合约相似度检索方法及系统	CN202010176290.0	2020-03-13
13	一种面向异常发现的图神经网络环境自动划分训练方法及系统	柳阳，周子贤，敖翔，何清	柳阳,周子贤,敖翔,何清	异常账户识别方法、装置、介质及计算机设备	CN202410362283.8	2024-03-27
14	一种金融大数据场景下的细粒度情感分析方法与系统	张一鸣，陈天宇，敖翔，何清	陈天宇敖翔,何清	一种金融大数据场景下的细粒度情感分析方法及装置	CN202410370432.5	2024-03-28

会议论文

[1]Changying Du, Shandian Zhe, Fuzhen Zhuang, Alan Qi, Qing He, Zhongzhi Shi. Bayesian Maximum Margin Principal Component Analysis, Twenty-Ninth AAAI Conference on Artificial Intelligence (AAAI-15)，Austin, Texas, USA, January 25–30, 2015,

[2]Dongbo Xi, Bowen Song, Fuzhen Zhuang, Yongchun Zhu, Shuai Chen, Tianyi Zhang, Yuan Qi, Qing He: Modeling the Field Value Variations and Field Interactions Simultaneously for Fraud Detection. AAAI 2021.

[3]Dongbo Xi, Bowen Song, Fuzhen Zhuang, Yongchun Zhu, Shuai Chen, Tianyi Zhang, Yuan Qi, Qing He: Modeling the Field Value Variations and Field Interactions Simultaneously for Fraud Detection. AAAI 2021，virtually February 2-9, 2021.

[4]Dongbo Xi, Fuzhen Zhuang, Bowen Song, Yongchun Zhu, Shuai Chen, Dan Hong, Tao Chen, Xi Gu, Qing He. Neural Hierarchical Factorization Machines for User's Event Sequence Analysis. SIGIR20 short paper, July 25-30, 2020, Xi'an, China. 

[5]Dongbo Xi, Fuzhen Zhuang, Bowen Song, Yongchun Zhu, Shuai Chen, Dan Hong, Tao Chen, Xi Gu, Qing He. Neural Hierarchical Factorization Machines for User's Event Sequence Analysis. SIGIR20, July 25-30, 2020, Xi'an, China.

[6]Dongbo Xi, Fuzhen Zhuang, Ganbin Zhou, Xiaohu Cheng, Fen Lin, Qing He. Domain Adaptation with Category Attention Network for Deep Sentiment Analysis. WWW’20, April 20–24, 2020, Taipei, China, pp.: 3133-3139.

[7]Dongbo Xi, Fuzhen Zhuang, Yanchi Liu, Jingjing Gu, Hui Xiong, Qing He: Modelling of Bi-directional Spatio-Temporal Dependence and Users' Dynamic Preferences for Missing POI Check-in Identification. AAAI 2019.

[8]Feiyang Pan, Haoming Li, Xiang Ao, Wei Wang, Yanrong Kang, Ao Tan, Qing He.  GuideBoot: Guided Bootstrap for Deep Contextual Bandits in Online Advertising, WWW21，April 12-16, 2021, Ljubljana,Slovenia

[9]Feiyang Pan, Jia He, Dandan Tu, Qing He. Trust the Model When It Is Confident Masked Model-based Actor-Critic, 34th Conference on Neural Information Processing Systems (NeurIPS 2020), Vancouver, Canada

[10]Feiyang Pan, Qingpeng Cai, An-Xiang Zeng, Chun-Xiang Pan, Qing Da, Hualin He, Qing He, Pingzhong Tang. Policy Optimization with Model-based Explorations. AAAI 2019.

[11]Feiyang Pan, Shuokai Li, Xiang Ao, Pingzhong Tang, Qing He. Warm Up Cold-start Advertisements : Improving CTR Predictions via Learning to Learn ID Embeddings. To appear in the 42nd International ACM SIGIR Conference on Research and Development in Information Retrieval (SIGIR 2019).

[12]Feiyang Pan, Xiang Ao, Pingzhong Tang, Min Lu, Dapeng Liu, Lei Xiao and Qing He. Field-aware calibration: a simple and empirically strong method for reliable probabilistic predictions. WWW’20, April 20–24, 2020, Taipei

[13]Feiyang Pan, Xiang Ao, Pingzhong Tang, Min Lu, Dapeng Liu, Lei Xiao and Qing He. Field-aware calibration: a simple and empirically strong method for reliable probabilistic predictions. WWW’20, April 20–24, 2020, Taipei, China,

[14]Fuwei Zhang, Zhao Zhang, Xiang Ao, Dehong Gao, Fuzhen Zhuang, Yi Wei and Qing He. Mind the Gap: Cross-Lingual Information Retrieval with Hierarchical Knowledge Enhancement，In the Thirty-Sixth AAAI Conference on Artificial Intelligence (AAAI-22)，Vol. 36 No. 4: 4345-4353

[15]Fuwei Zhang, Zhao Zhang, Xiang Ao, Dehong Gao, Fuzhen Zhuang, Yi Wei and Qing He. Mind the Gap: Cross-Lingual Information Retrieval with Hierarchical Knowledge Enhancement，In the Thirty-Sixth AAAI Conference on Artificial Intelligence (AAAI-22)，Vol. 36 No. 4: 4345-4353

[16]Fuwei Zhang，Zhao Zhang，Xiang Ao，Fuzhen Zhuang，Yongjun Xu，Qing He，Along the Time: Timeline-traced Embedding for Temporal Knowledge Graph Completion, CIKM2022

[17]Fuzhen Zhuang, Ping Luo, Hui Xiong, Qing He. Yuhong Xiong. Exploiting Associations between Word Clusters and Document Classes for Cross-domain Text Categorization, 2010 SIAM International Conference on Data Mining (SDM'2010), pp.13-24, Columbus, Ohio, April 19, 2010(最佳论文提名)

[18]Fuzhen Zhuang, Ping Luo, Peifeng Yin, Qing He, Zhongzhi Shi. Concept Learning for Cross-domain Text Classification: a General Probabilistic Framework, 23rd International Joint Conference on Artificial Intelligence (IJCAI 2013). Beijing, China, August 3-9, 2013

[19]Fuzhen Zhuang, Ping Luo, Zhiyong Shen, Qing He, Yuhong Xiong, Zhongzhi Shi1, Hui Xiong. Collaborative Dual-PLSA: Mining Distinction and Commonality across Multiple Domains for Classification, The 19th ACM International Conference on Information and Knowledge Management (CIKM’10), October 26-30, 2010, Toronto, Canada. (最佳论文提名)

[20]Ganbin Zhou, Ping Luo, Rongyu Cao, Fen Lin, Bo Chen, Qing He. Mechanism-Aware Neural Machine for Dialogue Response Generation，AAAI2017

[21]Ganbin Zhou, Ping Luo, Rongyu Cao, Yijun Xiao, Fen Lin, Bo Chen, Qing He. Tree-Structured Neural Machine for Linguistics-Aware Sentence Generation，The Thirty-Second AAAI Conference on Artificial Intelligence (AAAI-18) ，February 2–7, 2018，New Orleans, Lousiana, USA

[22]Guoxin Yu, Jiwei Li, Ling Luo, Yuxian Meng, Xiang Ao and Qing He. Self Question-answering: Aspect-based Sentiment Analysis by Role Flipped Machine Reading Comprehension. In the 2021 Conference on Empirical Methods in Natural Language Processing (EMNLP2021 Findings).，7th – 11th November 2021，Online and in the Barceló Bávaro Convention Centre, Punta Cana, Dominican Republic 

[23]Guoxin Yu, Xiang Ao, Ling Luo, Min Yang, Xiaofei Sun, Jiwei Li and Qing He. Making Flexible Use of Subtasks: A Multiplex Interaction Network for Unified Aspect-based Sentiment Analysis. ACL 2021, findings, virtually August 1-6, 2021, Bangkok, Thailand

[24]Haoming Li, Feiyang Pan, Xiang Ao, Zhao Yang, Min Lu, Junwei Pan, Dapeng Liu, Lei Xiao, Qing He. Follow the Prophet: Accurate Online Conversion Rate Prediction In the Face of Delayed Feedback，SIGIR’21，Online，July 11-15, 2021最佳短文提名奖

[25]Jia He, Changying Du, Changde Du, Fuzhen Zhuang, Qing He, Guoping Long.Nonlinear Maximum Margin Multi-view Learning with Adaptive Kernel, IJCAI17

[26]Jia He, Changying Du, Fuzhen Zhuang,Yin Xin, Qing He, Guoping Long. Online Bayesian Max-margin Subspace Multi-view Learning, IJCAI-16，July 9–15, 2016, New York

[27]Jingwu Chen, Fuzhen Zhuang, Xin Hong, Xiang Ao, Xing Xie and Qing He: Attention-driven Factor Model for Explainable Personalized Recommendation. SIGIR 2018

[28]Kuan Li, Yang Liu, Xiang Ao, Jianfeng Chi, Jinghua Feng, Hao Yang, Qing He. Reliable Representations Make a Stronger Defender: Unsupervised Structure Refinement for Robust GNN, SIGKDD2022

[29]Kuan Li, Yang Liu, Xiang Ao, Jianfeng Chi, Jinghua Feng, Hao Yang, Qing He. Reliable Representations Make A Stronger Defender: Unsupervised Structure Refinement for Robust GNN, SIGKDD, 2022

[30]Kuan Li, Yang Liu, Xiang Ao, Qing He. Rethinking Graph Adversarial Attack and Defense from a Data Distribution Perspective. In the Eleventh International Conference on Learning Representations (ICLR2023), Mon May 1 — Fri May 5, Kigali Rwanda 

[31]Linfeng Dong, Yang Liu, Xiang Ao, Jianfeng Chi, Jinghua Feng, Hao Yang, Qing He: Bi-Level Selection via Meta Gradient for Graph-Based Fraud Detection. DASFAA (1) 2022: 387-394

[32]Ling Luo, Xiang Ao, Feiyang Pan, Tong Zhao, Ningzi Yu, Qing He. Beyond Polarity: Interpretable Financial Sentiment Analysis with Hierarchical Query-driven Attention. The 27th International Joint Conference on Artificial Intelligence (IJCAI), 2018.

[33]Ling Luo, Xiang Ao, Yan Song, Jinyao Li, Xiaopeng Yang, Qing He, Dong Yu, Unsupervised Neural Aspect Extraction with Sememes,IJCAI2019

[34]Mengda Huang, Yang Liu, Xiang Ao, Kuan Li, Jianfeng Chi, Jinghua Feng, Hao Yang, Qing He: AUC-oriented Graph Neural Network for Fraud Detection. WWW 2022: 1311-1321

[35]Mengda Huang, Yang Liu, Xiang Ao, Kuan Li, Jianfeng Chi, Jinghua Feng, Hao Yang, Qing He: AUC-oriented Graph Neural Network for Fraud Detection. WWW 2022: 1311-1321

[36]Mingyang Liu, Li Xiao, Huiqin Jiang, Qing He: CCAT-NET: A Novel Transformer Based Semi-Supervised Framework for Covid-19 Lung Lesion Segmentation. ISBI 2022: 1-5 

[37]Pan feiyang, Cai, Qi,Tang, Pingzhong, Zhuang, Fuzhen., He, Qing. Policy gradients for contextual recommendations, WWW2019

[38]Ping Luo, Ganbin Zhou, Qing He. Browsing Regularities in Hedonic Content Systems: the More the Merrier? IJCAI-16，July 9–15, 2016, New York

[39]Ping Luo, Su Yan, Zhiqiang Liu, Zhiyong Shen, Shengwen Yang, Qing He. From Online Behaviors to Offline Retailing, the ACM KDD 2016 Conference as a full presentation.

[40]Qiming Liu, Haoming Li, Xiang Ao, Yuyao Guo, Zhihong Dong, Ruobing Zhang, Qiong Chen, Jianfeng Tong, Qing He. Online Conversion Rate Prediction via Neural Satellite Networks in Delayed Feedback Advertising, In the 46th International ACM SIGIR Conference on Research and Development in Information Retrieval (SIGIR2023), July 23-27, 2023, Taipei, China. SIGIR 2023: 1406-1415

[41]Qing He, Xiurong Zhao, Sulan Zhang. Multi-modal services for web information collection based on multi-agent techniques, Lecture Notes in Computer Science, v 4088 LNAI, Agent Computing and Multi-Agent Systems: 9th Pacific Rim International Workshop on Multi-Agents, PRIMA 2006, p 129-137, Guilin, China, in August 2006

[42]Qing He, Yunlong Ma, Qun Wang, Fuzheng Zhuang, Zhongzhi Shi. Parallel Outlier Detection Using KD-Tree Based on MapReduce, IEEE CloudCom 2011, Washington, DC, USA, 4-9 July, 2011

[43]Qing He, Zhongzhi Shi, Lian Ren.The Classification Method Based on Hyper Surface，2002 International Joint Conference on Neural Networks，2002.5:1499-1503, Honolulu, Hawaii, USA, May 12-17, 2002

[44]Qing Tan, Qing He, Zhongzhi Shi. Nonparametric Curve Extraction Based on Ant Colony System, Proceedings of the Twenty-Fourth AAAI Conference on Artificial Intelligence (AAAI-10), pp.599-604, Atlanta, USA, July 10-15, 2010

[45]Qingyu Guo , Fuzhen Zhuang , Chuan Qin , Hengshu Zhu, Xing Xie, Hui Xiong, Qing He. A Survey on Knowledge Graph-Based Recommender Systems (Extended abstract), In the 39th IEEE International Conference on Data Engineering (ICDE 2023 TKDE Poster Track), Anaheim, California, USA at the Marriott Anaheim (April 3 – 7, 2023). ICDE 2023: 3803-3804

[46]Qiuge Liu, Qing He, Zhongzhi Shi. Extreme Support Vector Machine Classify, Lecture Notes in Computer Science, v 5012 LNAI, Advances in Knowledge Discovery and Data Mining, 12th Pacific-Asia Conference, PAKDD 2008, Proceedings, 2008, p 222-233,Osaka,Japan,May 20-23,2008(2018年被PAKDD评为最有影响的论文)

[47]Qiwei Zhong，Yang Liu，Xiang Ao，Binbin Hu，Jinghua Feng，Jiayu Tang，Qing He. Financial Defaulter Detection on Online Credit Payment via Multi-view Attributed Heterogeneous Information Network，WWW’20, April 20–24, 2020, Taipei, China

[48]Qiwei Zhong，Yang Liu，Xiang Ao，Binbin Hu，Jinghua Feng，Jiayu Tang，Qing He. Financial Defaulter Detection on Online Credit Payment via Multi-view Attributed Heterogeneous Information Network，WWW’20, April 20–24, 2020, Taipei, China

[49]Runchuan Wang, Zhao Zhang, Fuzhen Zhuang, Dehong Gao, Yi Wei, Qing He, Adversarial Domain Adaptation for Cross-lingual Information Retrieval with Multilingual BERT, CIKM’21, November 1–5, 2021, Virtual Event, Australia.

[50]Shuai Ma, Wenbin Jiang , Xiang Ao , Meng Tian, Xinwei Feng, Yajuan Lyu, Qiaoqiao She, Qing He. Semantic-Driven Instance Generation for Table Question Answering, In the 28th International Conference on Database Systems for Advanced Applications (DASFAA-2023), April 17-20, 2023, Tianjin, China. DASFAA (1) 2023: 3-18

[51]Shuo Yu, Hongyan Xue, Xiang Ao, Feiyang Pan, Jia He, Dandan Tu, Qing He. Generating Synergistic Formulaic Alpha Collections via Reinforcement Learning, In the 29th SIGKDD Conference on Knowledge Discovery and Data Mining (KDD2023, Applied Data Science Track), Aug. 5-10, 2023: 5476-5486

[52]Shuokai Li, Jingbo Zhou, Jizhou Huang, Hao Chen, Fuzhen Zhuang, Qing He, Dejing Dou, Matching Point of Interests and Travel Blog with Multi-view Information Fusion, In the 46th International ACM SIGIR Conference on Research and Development in Information Retrieval (SIGIR2023), July 23-27, 2023, Taipei, China. SIGIR 2023: 2149-2153 

[53]Shuokai Li, Ruobing Xie, Yongchun Zhu, Xiang Ao, Fuzhen Zhuang, Qing He: User-Centric Conversational Recommendation with Multi-Aspect User Modeling. SIGIR 2022: 223-233 

[54]Shuokai Li, Ruobing Xie, Yongchun Zhu, Xiang Ao, Fuzhen Zhuang, Qing He: User-Centric Conversational Recommendation with Multi-Aspect User Modeling. SIGIR 2022: 223-233

[55]Shuokai Li, Yongchun Zhu, Ruobing Xie, Zhenwei Tang, Zhao Zhang, Fuzhen Zhuang, Qing He and Hui Xiong. Customized Conversational Recommender Systems, ECML PKDD 22

[56]Tianxin Wang, Fuzhen Zhuang,zhiqiang Zhang,Daixin Wang, Jun Zhou, Qing He. Low-dimensional Alignment for Cross-Domain Recommendation, CIKM’21, November 1–5, 2021, Virtual Event, Australia.

[57]Weizhong Zhao, Huifang Ma, Qing He. Parallel k-means clustering based on mapreduce, Cloud Computing, 2009

[58]Xiang Ao, Ping Luo, Chengkai Li, Fuzhen Zhuang, Qing He, Zhongzhi Shi. Discovering and learning sensational episodes of news events. The 23rd international conference on World Wide Web, WWW2014, Seoul, Korea,April 7-11

[59]Xiang Ao, Ping Luo, Chengkai Li, Fuzhen Zhuang, Qing He. Online Frequent Episode Mining, ICDE 2015 : International Conference on Data Engineering (ICDE15), Seoul, Korea, April 13-17, 2015

[60]Xiang Ao, Ping Luo, Jin Wang, Fuzhen Zhuang, Qing He. Mining Precise-positioning Episode Rules from Event Sequences，ICDE2017

[61]Xiang Ao, Xiting Wang，Ling Luo, Ying Qiao, Qing He and Xing Xie. PENS: A Dataset and Generic Framework for Personalized News Headline Generation ， ACL-IJCNLP 2021 main conference，82-92

[62]Xudong Ma, Ping Luo, FuzhenZhuang, Qing He, Zhongzhi Shi and ZhiyongShen. Combining Supervised and Unsupervised Models via Unconstrained Probabilistic Embedding, Twenty-Second International Joint Conference on Artificial Intelligence, IJCAI 11，pp.1396-1401C,Barcelona in July 2011

[63]Yang Liu, Xiang Ao, Fuli Feng, Qing He. UD-GNN: Uncertainty-aware Debiased Training on Semi-Homophilous Graphs, SIGKDD2022

[64]Yang Liu, Xiang Ao, Fuli Feng, Qing He. UD-GNN: Uncertainty-aware Debiased Training on Semi-Homophilous Graphs, Proceedings of the 28th ACM SIGKDD Conference on Knowledge Discovery & Data Mining (KDD), Pages 1131–1140, 2022

[65]Yang Liu, Xiang Ao, Fuli Feng, Yunshan Ma, Kuan Li, Tat-Seng Chua, Qing He. FLOOD: A Flexible Invariant Learning Framework for Out-of-Distribution Generalization on Graphs, In the 29th SIGKDD Conference on Knowledge Discovery and Data Mining (KDD 2023 Research Track), Aug. 5-10,2023，KDD 2023: 1548-1558

[66]Yang Liu, Xiang Ao, Linfeng Dong, Chao Zhang, Jin Wang, Qing He. Spatiotemporal Activity Modeling via Hierarchical Cross-Modal Embedding (Extended Abstract) , In the 39th IEEE International Conference on Data Engineering (ICDE2023 TKDE Poster Track), Anaheim, California, USA at the Marriott Anaheim (April 3 – 7, 2023). ICDE 2023: 3815-3816

[67]Yang Liu, Xiang Ao, Zidi Qin, Jianfeng Chi, Jinghua Feng, Hao Yang and Qing He. Pick and Choose: A GNN-based Imbalanced Learning Approach for Fraud Detection, WWW21，April 12-16, 2021，Ljubljana,Slovenia

[68]Ying Sun, Fuzhen Zhuang, Hengshu Zhu, Qing He and Hui Xiong. Cost-Effective and Interpretable Job Skill Recommendation with Deep Reinforcement Learning, poster presentation , WWW21，April 12-16, 2021，Ljubljana,Slovenia

[69]Ying Sun, Fuzhen Zhuang, Hengshu Zhu, Xin Song, Qing He, Hui Xiong. A Structure-Aware Convolutional Neural Network Approach, KDD2019

[70]Ying Sun, Hengshu Zhu, Fuzhen Zhuang, Jingjing Gu and Qing He Exploring the Urban Region-of-Interest through the Analysis of Online Map Search Queries，KDD2018

[71]Ying Sun, Hengshu Zhu;_, Chuan Qin, Fuzhen Zhuang, Qing He, Hui Xiong. Discerning Decision-Making Process of Deep Neural Networks with Hierarchical Voting Transformation, NeurIPS 2021, Dec. 7-10,2021.

[72]Yiqing Wu, Ruobing Xie, Yongchun Zhu, Fuzhen Zhuang, Xiang Ao, Xu Zhang, Leyu Lin, Qing He: Selective Fairness in Recommendation via Prompts. SIGIR 2022: 2657-2662 Short paper.

[73]Yiqing Wu, Ruobing Xie, Yongchun Zhu, Fuzhen Zhuang, Xiang Ao, Xu Zhang, Leyu Lin, Qing He: Selective Fairness in Recommendation via Prompts. SIGIR2022: 2657-2662 Short paper.

[74]Yiqing Wu, Ruobing Xie, Yongchun Zhu, Xiang Ao, Xin Chen, Xu Zhang, Fuzhen Zhuang, Leyu Lin, Qing He: Multi-view Multi-behavior Contrastive Learning in Recommendation. DASFAA (2) 2022: 166-182

[75]Yiqing Wu, Ruobing Xie, Yongchun Zhu, Xiang Ao, Xin Chen, Xu Zhang, Fuzhen Zhuang, Leyu Lin, Qing He: Multi-view Multi-behavior Contrastive Learning in Recommendation. DASFAA (2) 2022: 166-1820

[76]Yiqing Wu, Ruobing Xie, Zhao Zhang, Yongchun Zhu, Fuzhen Zhuang, Jie Zhou, Yongjun Xu, Qing He. Attacking Pre-trained Recommendation, In the 46th International ACM SIGIR Conference on Research and Development in Information Retrieval (SIGIR2023), July 23-27, 2023, Taipei, China. SIGIR 2023: 1811-1815

[77]Yiqing Wu, Ying Sun, Fuzhen Zhuang, Deqing Wang3, Xiangliang Zhang4, Qing He, Meta-path Hierarchical Heterogeneous Graph Convolution Network for High Potential Scholar Recognition，ICDM 2020 : 20th IEEE International Conference on Data Mining, Nov 17, 2020 - Nov 20, 2020, Sorrento, Italy

[78]Yongchun Zhu, Dongbo Xi, Bowen Song, Fuzhen Zhuang, Shuai Chen, Gu Xi, and Qing He. Modeling Users’ Behavior Sequences with Hierarchical Explainable Network for Cross-domain Fraud Detection. Proceedings of the Web Conference 2020. pp.: 928-938. WWW’20, April 20–24, 2020, Taipei,China

[79]Yongchun Zhu, Kaikai Ge, Fuzhen Zhuang, Ruobing Xie, Dongbo Xi, Xu Zhang, Leyu Lin and Qing He. Transfer-Meta Framework for Cross-domain Recommendation to Cold-Start Users，SIGIR’21，Online，July 11-15, 2021

[80]Yongchun Zhu, Zhenwei Tang, Yudan Liu, Fuzhen Zhuang, Ruobing Xie, Xu Zhang, Leyu Lin, Qing He: Personalized Transfer of User Preferences for Cross-domain Recommendation. WSDM 2022: 1507-1515

[81]Yuyao Guo, Haoming Li, Xiang Ao, Min Lu, Dapeng Liu, Lei Xiao, Jie Jiang, Qing He . Calibrated Conversion Rate Prediction via Knowledge Distillation under Delayed Feedback in Online Advertising. CIKM2022，short paper

[82]Yuyao Guo, Xiang Ao, Qiming Liu, Qing He. Leveraging Post-Click User Behaviors for Calibrated Conversion Rate Prediction Under Delayed Feedback in Online Advertising. Int the 32nd ACM International Conference on Information and Knowledge Management (CIKM2023). CIKM 2023: 3918-3922

[83]Zhao Zhang, Fuzhen Zhuang, Hengshu Zhu, Zhiping Shi, Hui Xiong, Qing He, Relational Graph Neural Network with Hierarchical Attention for Knowledge Graph Completion. AAAI 2020, Feb.7-12, Newyork USA. 

[84]Zidi Qin, Yang Liu, Qing He and Xiang Ao. Explainable Graph-based Fraud Detection via Neural Meta-graph Search, CIKM2022，short paper 

[85]Zixian Zhou, Mengda Huang，Feiyang Pan, Jia He, Xiang Ao, Dandan Tu, Qing He. Gradient-Adaptive Pareto Optimization for Constrained Reinforcement Learning，In the Thirty-Seventh AAAI Conference on Artificial Intelligence (AAAI2023), Feb. 7-14, 2023,Washington, DC, USA，AAAI 2023: 11443-11451

期刊论文

[1]Dongbo Xi, Fuzhen Zhuang, Yanchi Liu, Hengshu Zhu, Pengpeng Zhao, Chang Tan, Qing He: Exploiting Bi-directional Global Transition Patterns and Personal Preferences for Missing POI Category Identification. Neural Networks 132 (2020) 75–83.

[2]Feiyang Pan, Shuokai Li, Xiang Ao, Qing He: Relation Reconstructive Binarization of word embeddings. Frontiers Comput. Sci. 16(2): 162307 (2022)

[3]Feiyang Pan, Shuokai Li, Xiang Ao, Qing He: Relation Reconstructive Binarization of word embeddings. Frontiers Comput. Sci. 16(2): 162307 (2022)

[4]Feiyang Pan,Shuokai Li,Xiang Ao, Qing He. Relation Reconstructive Binarization of Word Embeddings, Frontiers of Computer Science, 2022, 16(2): 162307

[5]Fuzhen Zhuang, George Karypis, Xia Ning, Qing He, Zhongzhi Shi. Multi-view learning via probabilistic latent semantic analysis, Information Sciences,199 (2012) 20–30

[6]Fuzhen Zhuang, Ping Luo, Changying Du, Qing He, Zhongzhi Shi, Hui Xiong: Triplex transfer learning: exploiting both shared and distinct concepts for text classification, IEEE TRANSACTIONS ON CYBERNETICS, VOL. 44, NO. 7, 1191-1203, JULY 2014

[7]Fuzhen Zhuang, Ping Luo, Hui Xiong, Yuhong Xiong, Qing He, and Zhongzhi Shi. Cross-Domain Learning from Multiple Sources: A Consensus Regularization Perspective, IEEE TRANSACTIONS ON KNOWLEDGE AND DATA ENGINEERING, December 2010 (vol. 22 no. 12) ,pp. 1664-1678

[8]Fuzhen Zhuang, Ping Luo, Zhiyong Shen, Qing He, Yuhong Xiong, Zhongzhi Shi and Hui Xiong. Mining Distinction and Commonality across Multiple Domains using Generative Model for Text Classification, IEEE Transactions on Knowledge and Data Engineering, VOL. 24, NO. 11, NOVEMBER 2012,2025-2039(SCI\EI )

[9]Fuzhen Zhuang, Xuebing Li, Xin Jin, Dapeng Zhang, Lirong Qiu, Qing He. Semantic Feature Learning for Heterogeneous Multitask Classification via Non-Negative Matrix Factorization. IEEE Trans. Cybernetics 48(8): 2284-2293 (2018)

[10]Fuzhen Zhuang, Yingmin Zhou, Haochao Ying, Fuzheng Zhang, Xiang Ao, Xing Xie, Qing He, Hui Xiong: Sequential Recommendation via Cross-domain Novelty Seeking Trait Mining. JOURNAL OF COMPUTER SCIENCE AND TECHNOLOGY ,Vol.35, ‏No.‏ 2, SI: ‏ 305-319, MAR 2020

[11]Fuzhen Zhuang, Zhiyuan Qi, Keyu Duan, Dongbo Xi, Yongchuan Zhu, Hengshu Zhu, Hui Xiong, Qing He, A Comprehensive Survey on Transfer Learning, accepted by PROCEEDINGS OF THE IEEE, 2020.

[12]Fuzhen Zhuang, Zhiyuan Qi, Keyu Duan, Dongbo Xi, Yongchuan Zhu, Hengshu Zhu, Hui Xiong, Qing He, A Comprehensive Survey on Transfer Learning,  PROCEEDINGS OF THE IEEE, Vol. 109, No. 1, January 2021, pp.43-76

[13]Guanghui Hu, Yang Liu, Qing He and Xiang Ao. F2GNN: An Adaptive Filter with Feature Segmentation for Graph-based Fraud Detection. 2024 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP2024), Seoul, Korea, (April 14~19, 2024).

[14]Guang-Quan Zhang, Zheng Zheng, Jie Lu, Qing He. An Algorithm for Solving Rule-Sets Based Bilevel Decision Problems, COMPUTATIONAL INTELLIGENCE Vol.27 No.2 pp.235-259, 2011

[15]Hanyu Zhang, Xiting Wang, Xiang Ao and Qing He. Distillation with Explanations from Large Language Models. To appear in the 2024 Joint International Conference on Computational Linguistics, Language Resources and Evaluation (LREC-COLING2024) : 5018-5028.

[16]Jia He, Changying Du,Fuzhen Zhuang, Xin Yin, Qing He. Guoping Long. Online Bayesian Max-margin Subspace Learning for Multi-view Classification and Regression, Machine Learning, (2020) 109:219–249.

[17]Jie Lu, Zheng Zheng, Guangquan Zhang, Qing He and Zhongzhi Shi. A new solution algorithm for solving rule-sets based bilevel decision problems, CONCURRENCY AND COMPUTATION: PRACTICE AND EXPERIENCE. Vol: 27, No: 4,pages: 830-54 

[18]Jingwu Chen, Fuzhen Zhuang, Tianxin Wang, Leyu Lin, Feng Xia, Lihuan Du, Qing He. Follow the Title then Read the Article: Click-guide Network for Dwell Time Prediction, Accepted by IEEE Transactions on Knowledge and Data Engineering

[19]Jingwu Chen, Fuzhen Zhuang, Tianxin Wang, Leyu Lin, Feng Xia, Lihuan Du, Qing He. Follow the Title then Read the Article: Click-guide Network for Dwell Time Prediction, IEEE Transactions on Knowledge and Data Engineering, VOL. 33, NO. 7, JULY 2021, pp.2903-2913

[20]Kuan Li, Yiwen Chen, Yang Liu, Jin Wang, Qing He, Minhao Cheng and Xiang Ao. Boosting the Adversarial Robustness of Graph Neural Networks: An OOD Perspective. To appear in the Twelfth International Conference on Learning Representations (ICLR2024) 

[21]Luo, Ping; Lu, Kevin; Huang, Rui; He, Qing; Shi, Zhongzhi. A heterogeneous computing system for data mining workflows in multi-agent environments, Expert Systems, v 23, n 5, November, 2006, p 258-271

[22]Ping Luo, Guoxing Zhan, Qing He, Zhongzhi Shi, and Kevin Lu, On Defining Partition Entropy by Inequalities. IEEE TRANSACTIONS ON INFORMATION THEORY, v53, n 9, SEPTEMBER 2007, p 3233-3239.

[23]Ping Luo; Lu, Kevin; Shi, Zhongzhi; He, Qing. Distributed data mining in grid computing environments. Future Generation Computer Systems, v 23, n 1, Jan 1, 2007, p 84-91

[24]Qiming Liu, Xiang Ao, Yuyao Guo and Qing He. Online Conversion Rate Prediction via Multi-Interval Screening and Synthesizing under Delayed Feedback. In Proceedings of the Thirty-Eighth AAAI Conference on Artificial Intelligence (AAAI2024) : 8796-8804.

[25]Qing He, Changying Du, Qun Wang, FuzhenZhuang, Zhongzhi Shi. A Parallel Incremental Extreme SVM Classifier, Neurocomputing，74 (2011) 2532–2540 

[26]Qing He, Haocheng Wang, Fuzhen Zhuang, Tianfeng Shang, Zhongzhi Shi. Parallel sampling from big data with uncertainty distribution, Fuzzy Sets and Systems 258 (2015) 117–133

[27]Qing He, Hongxing Li, C.L.P. Chen, E.S. Lee. Extension Principles and Fuzzy Set Categories. International Journal of Computers and Mathematics with Applications 2000, 39: 45-53

[28]Qing He, Hongxing Li, Zhongzhi Shi, E.S.Lee. On Fuzzy Clustering Method Based on Perturbation. Computers and Mathematics with Applications, v 46, n 5-6, September, 2003, p 929-946

[29]Qing He, Tianfeng Shang, Fuzhen Zhuang and Zhongzhi Shi. Parallel Extreme Learning Machine for Regression based on MapReduce, Neurocomputing 102(2013)52–58

[30]Qing He, Weizhong Zhao, Zhongzhi Shi. CHSMST: A clustering algorithm based on hyper surface and minimum spanning tree, Soft Computing, v 15, n 6, p 1097-1103, June 2011

[31]Qing He, Xin Jin, Changying Du, Fuzhen Zhuang and Zhongzhi Shi. Clustering in extreme learning machine feature space. Neurocomputing 128 : 88-95 (2014)..

[32]Qing He, Xiurong Zhao, Zhongzhi Shi. Classification based on dimension transposition for high dimension data，International Journal Soft Computing 11(4),2007, pp: 329 - 334

[33]Qing He, Xiurong Zhao, Zhongzhi Shi.Minimal consistent subset for Hyper Surface Classification method. INTERNATIONAL JOURNAL OF PATTERN RECOGNITION AND ARTIFICIAL INTELLIGENCE Volume: 22 Issue: 1 Pages: 95-108, FEB 2008.

[34]Qing He, Zhongzhi Shi,Li-an Ren, E.S. Lee. A Novel Classification Based on Hypersurface. International Journal of Mathematical and Computer Modeling 38(2003),395-407 

[35]Qingyu Guo, Fuzhen Zhuang, Chuan Qin, Hengshu Zhu, Xing Xie, Hui Xiong, Qing He: A Survey on Knowledge Graph-Based Recommender Systems. IEEE Trans. Knowl. Data Eng. 34(8): 3549-3568 (2022)

[36]Ruize Yuan, Xiang Ao, Li Zeng and Qing He. DRAMA: Dynamic Multi-Granularity Graph Estimate Retrieval over Tabular and Textual Question Answering. 2024 Joint International Conference on Computational Linguistics, Language Resources and Evaluation (LREC-COLING2024). 

[37]Shuo Han, Fuzhen Zhuang, Qing He, Zhongzhi Shi, & Xiang Ao. Energy model for rumor propagation on social networks. Physica A: Statistical Mechanics and its Applications，394 (2014) 99–109.

[38]Shuokai Li, Ruobing Xie, Yongchun Zhu, Fuzhen Zhuang, Zhenwei Tang, Wayne Xin Zhao, Qing He. Self-Supervised Learning for Conversational Recommen dation. Information Processing & Management (IP&M), Information Processing and Management: an International Journal Volume 59, Issue 6, Nov 2022,640 pages, DOI: 10.1016/j.ipm.2022.103067  

[39]Shuokai Li, Xiang Ao, Feiyang Pan, Qing He. Learning Policy Scheduling for Text Augmentation, Neural Networks,145(2022):121-127

[40]Shuokai Li, Xiang Ao, Feiyang Pan, Qing He: Learning policy scheduling for text augmentation. Neural Networks 145: 121-127 (2022)

[41]Shuokai Li, Xiang Ao, Feiyang Pan, Qing He: Learning policy scheduling for text augmentation. Neural Networks 145: 121-127 (2022)

[42]Tan, Qing; He, Qing; Zhao, Weizhong; Shi, Zhongzhi; Lee, E.S. An improved FCMBP fuzzy clustering method based on evolutionary programming, Computers and Mathematics with Applications, v 61, n 4, p 1129-1144, February 2011

[43]Thapana Boonchooa, Xiang Ao, Yang Liu, Weizhong Zhao, Fuzhen Zhuang, Qing He. Grid-based DBSCAN：Indexing and Inference. Pattern Recognition (PR), 90：271-284, 2019

[44]Tianxin Wang, Fuzhen Zhuang, Ying Sun, Xiangliang Zhang, Leyu Lin, Feng Xia, Lei He, Qing He: Adaptively sharing multi-levels of distributed representations in multi-task learning. Inf. Sci. 591: 226-234 (2022)

[45]Tianxin Wang, Fuzhen Zhuang, Ying Sun, Xiangliang Zhang, Leyu Lin, Feng Xia, Lei He, Qing He: Adaptively sharing multi-levels of distributed representations in multi-task learning. Inf. Sci. 591: 226-234 (2022)

[46]Tianyu Chen, Yiming Zhang, Guoxin Yu, Dapeng Zhang, Li Zeng, Qing He, Xiang Ao，EFSA: Towards Event-Level Financial Sentiment Analysis，62nd Annual Meeting of the Association for Computational Linguistics (ACL2024), Bangkok, Thailand, August 11–16, 2024

[47]Weizhong Zhao, Qing He, Huifang Ma, Zhongzhi Shi. Effective Semi-supervised Document Clustering via Active Learning with Instance-level Constraints, Knowledge and Information Systems (2012) 30:569–587 

[48]Wenchao Yu, Fuzhen Zhuang, Qing He and Zhongzhi Shi. Learning Deep Representations via Extreme Learning Machine, Neurocomputing, Volume 149, Part A, 3 February 2015, Pages 308-315 

[49]Wenjuan Luo, Fuzhen Zhuang, Qing He, Zhongzhi Shi Exploiting relevance, coverage, and novelty for query-focused multi-document summarization，Knowledge-Based Systems. Volume 46, July 2013, Pages 33–42.

[50]Wenjuan Luo, Fuzhen Zhuang, Weizhong Zhao, Qing He, Zhongzhi Shi. QPLSA: Utilizing quad-tuples for aspect identification and rating, Information Processing and Management 51 (2015) 25–41

[51]Xiang Ao, Haoran Shi, Jin Wang, Luo Zuo, Hongwei Li, Qing He: Large-Scale Frequent Episode Mining from Complex Event Sequences with Hierarchies. ACM TIST 10(4): 36:1-36:26 (2019)

[52]Xiang Ao, Ling Luo, Xiting Wang, Zhao Yang, Jiun-hung Chen, Ying Qiao, Qing He, and Xing Xie. Put Your Voice on Stage: Personalized Headline Generation for News Articles. ACM Transactions on Knowledge Discovery from Data, ACM Transactions on Knowledge Discovery from Data, Volume 18, Issue 3, pp 1–200

[53]Xiang Ao, Ling Luo, Xiting Wang, Zhao Yang, Jiun-Hung Chen, Ying Qiao, Qing He, Xing Xie: Put Your Voice on Stage: Personalized Headline Generation for News Articles. ACM Trans. Knowl. Discov. Data 18(3): 54:1-54:20 (2024)

[54]Xiang Ao, Ping Luo, Jin Wang, Fuzhen Zhuang and Qing He. Mining Precise-positioning Episode Rules from Event Sequences, IEEE Transactions on Knowledge & Data Engineering, vol. 30, no. 3, pp. 530-543, 2018.

[55]Xiang Ao, Yang Liu, Zidi Qin, Yi Sun and Qing He. Temporal High-order Proximity Aware Behavior Analysis on Ethereum. World Wide Web (2021) 24:1565–1585

[56]Xiang Ao; Ping Luo; Xudong Ma; Fuzhen Zhuang; Qing He; Zhongzhi Shi; Zhiyong Shen. Combining Supervised and Unsupervised Models via Unconstrained Probabilistic Embedding, Information Sciences, 257 (2014) 101–114. 

[57]Xiaoqian Zhu, Xiang Ao, Zidi Qin, Yanpeng Chang, Yang Liu, Qing He, and Jianping Li, Intelligent financial fraud detection practices in post-pandemic era, The Innovation 2, 100176, November 28, 2021 Published Online: October 20, 2021; https://doi.org/10.1016/j.xinn.2021.100176

Cell Press 

[58]Yang Liu, Xiang Ao, Linfeng Dong, Chao Zhang, Jin Wang, Qing He. Spatiotemporal Activity Modeling via Hierarchical Cross-Modal Embedding. IEEE Transactions on Knowledge and Data Engineering.34(1): 462-474 (2022).

[59]Yang Liu, Xiang Ao, Linfeng Dong, Chao Zhang, Jin Wang, Qing He. Spatiotemporal Activity Modeling via Hierarchical Cross-Modal Embedding. IEEE Transactions on Knowledge and Data Engineering.34(1): 462-474 (2022)

[60]Ying Sun, Fuzhen Zhuang, Hengshu Zhu, Qi Zhang, Qing He, and Hui Xiong. Market-oriented Job Skill Valuation with Cooperative Composition Neural Network, NATURE COMMUNICATIONS, Vol12,: 1-12, Mar. 31, 2021

[61]Ying Sun, Fuzhen Zhuang, Hengshu Zhu, Xin Song, Qing He, Hui Xiong. Modeling the Impact of Person-Organization Fit on Talent Management with Structure-Aware Attentive Neural Networks, IEEE TRANSACTIONS ON KNOWLEDGE AND DATA ENGINEERING, VOL. 35, NO. 3, MARCH 2023, pp. 2809-2822

[62]Yiqing Wu , Ruobing Xie ,Yongchun Zhu, Fuzhen Zhuang , Xu Zhang, Leyu Lin and Qing He Personalized Prompt for Sequential Recommendation, IEEE TRANSACTIONS ON KNOWLEDGE AND DATA ENGINEERING, VOL. 36, NO. 7, 3376-3389, JULY 2024

[63]Yongchun Zhu, Fuzhen Zhuang, Jindong Wang, Guolin Ke, Jingwu Chen, Jiang Bian, Hui Xiong, Qing He. Deep Subdomain Adaptation Network for Image Classification. IEEE Transactions on Neural Networks and Learning Systems, VOL. 32, NO. 4, APRIL 2021,pp. 1713-1722

[64]Yongchun Zhu, Fuzhen Zhuang, Jindong Wang, Guolin Ke, Jingwu Chen, Jiang Bian, Hui Xiong, Qing He. Deep Subdomain Adaptation Network for Image Classification. IEEE Transactions on Neural Networks and Learning Systems, VOL. 32, NO. 4, APRIL 2021,pp. 1713-1722

[65]Yongchun Zhu, Fuzhen Zhuang, Xiangliang Zhang, Zhiyuan Qi, Zhiping Shi, and Qing He. Combat Data Shift in Few-shot Learning with Knowledge Graph, Frontiers of Computer Science, 2023, 17(1): 171305

[66]Zhao Zhang, Fuzhen Zhuang, Heng Zhu, Chao Li, Hui Xiong, Qing He, Yongjun Xu. Towards Robust Knowledge Graph Embedding via Multi-task Reinforcement Learning, IEEE TRANSACTIONS ON KNOWLEDGE AND DATA ENGINEERING, VOL. 35, NO. 4, APRIL 2023, pp.4321-4334

[67]Zhao Zhang, Fuzhen Zhuang, Meng Qu, Zheng-Yu Niu, Hui Xiong, Qing He, Knowledge graph embedding with shared latent semantic units, Neural Networks 139 (2021) 140–148

[68]Zhao Zhang, Fuzhen Zhuang, Xuebing Li, Zhengyu Niu, Jia He, Qing He, Hui Xiong: Knowledge Triple Mining via Multi-Task Learning. Information Systems, Information Systems 80 (2019) 64–75

[69]Zheng, Z., Lu, J, Zhang G, He Q, Rule sets based bilevel decision model and algorithm, Expert Systems with Applications, 2009. Vol. 36, No. 1, 18-26

[70]Zhiping Shi, Qing He, Zhongzhi Shi. An Index and Retrieval Framework Integrating Perceptive Features and Semantics for Multimedia Database. Multimedia Tools and Application (2009) 42:207–231 Springer 

[71]Zhiping Shi, Xi Liu, Qingyong Li, Qing He, Zhongzhi Shi, Extracting Discriminative Features for CBIR, MULTIMEDIA TOOLS AND APPLICATIONS， Volume 61, Number 2 (2012), 263-279(SCI)

[72]Zhiyu Guo , Xiang Ao , and Qing He. Transductive Semi-Supervised Metric Network for Reject Inference in Credit Scoring，IEEE TRANSACTIONS ON COMPUTATIONAL SOCIAL SYSTEMS, VOL. 11, NO. 2, 1675-1684, APRIL 2024 

[73]Zhongzhi Shi; Huang, Youping; He, Qing; Xu, Lida; Liu, Shaohui; Qin, Liangxi; Jia, Ziyan; Li, Jiayou; Huang, Huijing; Zhao, Lei. MSMiner-a developing platform for OLAP. Decision Support Systems, v 42, n 4, January, 2007, Decision Support Systems in Emerging Economies, pp. 2016-2028

[74]Zhou Ganbin, Luo Ping, He Qing. Predicting Compositional Time Series via Autoregressive Dirichlet Estimation[J]. Science China Information Sciences, 2018, 61(9):098-106.

[75]Zhuang F Z, Luo P, He Q, et al. Inductive transfer learning for unlabeled target-domain via hybrid regularization. Chinese Sci Bull, 2009, 54: 2470―2478 

代表性中文论文：

 [1]何清, 贾晓丽. 中国人工智能学会：建设一流学会 推动智能科技自立自强[J]. 学会, 2023, (08): 20-23.

[2]孙莹, 章玉婷, 庄福振, 祝恒书, 何清, 熊辉. 基于集合效用边际贡献学习的可解释薪酬预测算法[J]. 计算机研究与发展, 2024, 61 (05): 1276-1289.

[3]徐童, 唐飞, 何清. 隧道内贴壁火顶棚射流温度及火焰特性研究[J]. 中国安全科学学报, 2022, 32 (07): 93-97.

[4]王心凯, 何清, 唐飞. 坡地建筑外立面火灾温度演化研究[J]. 中国安全生产科学技术, 2022, 18 (01): 23-28.

[5]庄蕊, 王璞, 何清, 唐飞. 环境风作用下建筑开口溢流火焰拓展规律研究[J]. 消防科学与技术, 2021, 40 (10): 1462-1465.

[6]赵俊逸, 庄福振, 敖翔, 何清, 蒋慧琴, 马岭. 协同过滤推荐系统综述[J]. 信息安全学报, 2021, 6 (05): 17-34.

[7]罗玲, 李硕凯, 何清, 杨骋骐, 王宇洋恒, 陈天宇. 基于知识图谱、TF-IDF和BERT模型的冬奥知识问答系统[J]. 智能系统学报, 2021, 16 (04): 819-826.

[8]郭一唯, 黄艨靼, 李博, 何清. 考虑均衡性的城际铁路列车运行图智能调整方法研究[J]. 铁道运输与经济, 2020, 42 (09): 20-25.

[9]庄福振, 钱明达, 申恩兆, 张大鹏, 何清. 基于Spark的高效并行自动编码机[J]. 数据采集与处理, 2018, 33 (01): 65-74.

[10]庄福振, 罗丹, 何清. 基于集成局部性特征学习的推荐算法[J]. 计算机科学与探索, 2018, 12 (06): 851-858.

[11]陈逸伦, 张奡祺, 傅云飞, 张鹏, 卢乃锰, 何清. 风云三号卫星微波和光谱信号的匹配及其反演应用[J]. 科学通报, 2016, 61 (26): 2939-2951.

[12]何清, 敖翔, 庄福振, 罗平. 一种基于Hadoop的大数据挖掘云服务及应用[J]. 信息通信技术, 2015, 9 (06): 42-49.

[13]李宁, 罗文娟, 庄福振, 何清, 史忠植. 基于MapReduce的并行PLSA算法及在文本挖掘中的应用[J]. 中文信息学报, 2015, 29 (02): 79-86.

[14]何清, 庄福振, 曾立, 赵卫中, 谭庆. PDMiner:基于云计算的并行分布式数据挖掘工具平台[J]. 中国科学:信息科学, 2014, 44 (07): 871-885.

[15]庄福振, 罗平, 何清, 史忠植. 迁移学习研究进展[J]. 软件学报, 2015, 26 (01): 26-39.

[16]何清, 李宁, 罗文娟, 史忠植. 大数据下的机器学习算法综述[J]. 模式识别与人工智能, 2014, 27 (04): 327-336.

[17]何清. 大数据与云计算[J]. 科技促进发展, 2014, (01): 35-40.

[18]何清. 专家寄语[J]. 计算机科学, 2013, 40 (12): 2.

[19]何清, 庄福振. 大数据挖掘与云服务模式[J]. 高科技与产业化, 2013, (08): 56-61.

[20]何清, 庄福振. 基于云计算的大数据挖掘平台[J]. 中兴通讯技术, 2013, 19 (04): 32-38.

[21]施智平, 李清勇, 赵晓东, 何清, 史忠植. 基于内容图像检索中的优化鉴别特征[J]. 计算机辅助设计与图形学学报, 2012, 24 (12): 1592-1598.

[22]何清. 物联网与数据挖掘云服务[J]. 智能系统学报, 2012, 7 (03): 189-194.

[23]罗文娟, 马慧芳, 何清, 史忠植. 权衡熵和相关度的自动摘要技术研究[J]. 中文信息学报, 2011, 25 (05): 9-16.

[24]谭庆, 何清, 赵卫中, 史忠植. 基于进化规划的FCMBP模糊聚类改进方法[J]. 系统工程理论与实践, 2011, 31 (07): 1363-1371.

[25]赵卫中, 何清, 史忠植. 基于摄动的模糊聚类算法最优模糊等价矩阵相关性质分析[J]. 系统工程理论与实践, 2010, 30 (07): 1238-1245.

[26]马慧芳, 尹旻, 何清, 史忠植. 一种基于时序窗口的动态热点话题提取模型[J]. 高技术通讯, 2010, 20 (06): 590-595.

[27]何清, 赵卫中, 史忠植. 分类超曲面算法复杂度研究[J]. 计算机学报, 2010, 33 (04): 666-671.

[28]庄福振, 罗平, 何清, 史忠植. 基于混合正则化的无标签领域的归纳迁移学习[J]. 科学通报, 2009, 54 (11): 1618-1626.

[29]杨来, 何清, 许立达, 史忠植. Dynamic Hash TRIE算法的研究与分析[J]. 广西师范大学学报(自然科学版), 2008, (01): 134-138.

[30]何清, 史忠植. 基于超曲面的分类算法研究进展[J]. 智能系统学报, 2007, (06): 1-7.

[31]何清, 史忠植. 基于覆盖的分类算法研究进展[J]. 计算机学报, 2007, (08): 1235-1243+1202.

[32]郝继升, 何清, 史忠植. 基于B-样条网络的复杂主曲线建模[J]. 计算机工程, 2007, (12): 283-285.

[33]罗杰文, 施智平, 何清, 史忠植. 一种CBR与RBR相结合的快速预案生成系统[J]. 计算机研究与发展, 2007, (04): 660-666.

[34]郝继升, 何清, 史忠植. 基于B-样条网络的主曲线建模[J]. 计算机工程与应用, 2007, (01): 35-37.

[35]李嘉佑, 贾自艳, 何清, 史忠植. 基于Web挖掘的网页清洗技术[J]. 计算机工程与应用, 2006, (25): 98-101.

[36]何建兵, 何清, 史忠植. 噪声消除与SMO算法收敛性[J]. 计算机工程与应用, 2006, (24): 160-163.

[37]何建兵, 何清, 史忠植. 基于SMO的多层次文本分类法研究[J]. 计算机工程与应用, 2006, (13): 152-154+167.

[38]李嘉佑,何清,史忠植. 机器学习与网络信息处理[J]. 计算机工程与应用, 2004, (33): 189-191.

[39]李仰耀,张国清,何清,韦卫. 一种自适应的新型网络性能预警系统[J]. 计算机应用, 2004, (07): 82-84.

[40]贾自艳 ,何清 ,张海俊 ,李嘉佑 ,史忠植. 一种基于动态进化模型的事件探测和追踪算法[J]. 计算机研究与发展, 2004, (07): 1273-1280.

[41]何清,史忠植,任力安. 基于超曲面的多类分类方法[J]. 系统工程理论与实践, 2003, (03): 92-99.

[42]何清,任力安,史忠植. 基于超曲面的海量数据直接分类方法[J]. 计算机学报, 2003, (02): 206-211.

[43]任力安,何清,史忠植. HSC分类法及其在海量数据分类中的应用[J]. 电子学报, 2002, (12): 1870-1872.

[44]任力安, 何清, 史忠植. 分类超曲面方法在海量数据分类中的应用[J]. 计算机科学, 2002, (09): 33-35.

[45]李辉,史忠植,何清,许卓群. 基于支撑向量置换核函数的一种领域知识与模型融合的技术[J]. 计算机学报, 2002, (08): 860-868.

[46]任力安,何清,史忠植. 一种新的海量数据分类方法[J]. 计算机工程与应用, 2002, (14): 58-60.

[47]傅伟鹏, 何清, 贸自艳, 史忠植. 多篇摘要的自动生成算法[J]. 计算机科学, 2002, (05): 85-88.

[48]傅伟鹏,吴斌,何清,史忠植. 一种概念空间自生成方法[J]. 计算机工程与应用, 2002, (07): 63-65+88.

[49]李源, 郑毅, 何清, 史忠植. 基于概念空间的文本语义索引[J]. 计算机科学, 2002, (01): 20-22.

[50]何清,徐树富,王加银,史忠植. FCMBP聚类法在语音识别和模糊控制中的应用[J]. 系统工程学报, 2001, (06): 430-437.

[51]李源,何清,史忠植. 基于概念语义空间的联想检索[J]. 北京科技大学学报, 2001, (06): 577-580.

[52]何清,王加银,李洪兴,史忠植. 论域的模糊划分与仿真数据采集[J]. 模糊系统与数学, 2001, (03): 19-24.

参与组织的国际会议：

1、ICIIP 2004 INTERNATIONAL CONFERENCE ON INTELLIGENT INFORMATION PROCESSING

2、International Conference on Itelligent Information Tchnology(ICIIT-02) September 22-25, 2002, Beijing

 合作情况:   

项目协作单位

美国Rutgers, the State University of New Jersey

俄罗斯圣彼得堡信息与自动化研究所

澳大利亚悉尼技术大学

中国移动通信有限公司研究院

9月15日晚19点30分，中国科学院计算机技术研究所研究员、博士生导师何清博士在青山湖校区逸夫馆报告厅作了一场以“大数据中的不确定性认知计算”主题的学术报告。报告还未开始，软件学院全体大一新生便早早地来到逸夫馆门口等候入场。

讲座在软件学院副院长胡军的开场致辞中拉开帷幕。简短的问候过后，何清教授便直入主题，向同学们解释何谓大数据并通过大数据悖论来阐述大数据这一概念。让大家对大数据有了一定的认识以后，何清教授又将话题继续深入，继而就大数据挖掘算法特征与挑战、人工智能突破以及三大突破的技术基础等话题侃侃而谈。台下的同学们认真地听着何教授的报告，眼神里满是对新知识的好奇与渴望。随后，何清教授又从认识学习不确定性、认知代表样本、认识学习的局限性和确定分布的非参数贝叶斯方法四个方面为现场的同学做了更深层的科普性介绍。其中，在提到Bagging和AdaBoost的局限性时，何清教授还特地用简明易懂的语言耐心地向大家说明。在雷鸣般的掌声中，此次报告会圆满落下帷幕。

此次报告会不仅让大一新生对大数据有了一定的了解及认识，同时也让他们更快地进入学习状态，为即将到来的学习生活奠定了良好的基础。 

来源：南昌大学科技处、软件学院 2015/9/22

近日，由中国人工智能学会与中国计算机学会联合主办，中国人工智能学会知识工程与分布智能专业委员会和中国计算机学会人工智能与模式识别专业委员会联合协办，山东科技大学信息科学与工程学院承办的第五届全国智能信息处理学术会议在山东科技大学召开。来自清华大学、北京大学等77所高校和研究机构的参会代表、特邀嘉宾共200余人参加会议。

8月6日，会议举行开幕式，中国科学院数学与系统科学研究院数学研究所陆汝钤院士，山东科技大学副校长周东华，中国人工智能学会知识工程与分布智能专业委员会主任委员、本次大会主席清华大学教授马少平，中国人工智能学会知识工程与分布智能专业委员会秘书长、本次大会程序委员会主席、中国科学院计算技术研究所研究员何清，中国计算机学会人工智能与模式识别专业委员会副主任委员兼秘书长、北京交通大学教授于剑，山东科技大学科研处处长韩作振等出席开幕式并在主席台就座，开幕式由山东科技大学信息学院院长梁永全主持。

周东华在开幕式上致辞，对会议的召开表示热烈的祝贺，对各位专家、学者的到来表示诚挚的欢迎。他简要介绍了学校的基本情况，他表示，学校将积极做好会议的各项组织、服务工作，努力为各位专家、学者搭建一个传递信息、交流经验、增进友谊、共同提高的良好平台。马少平、何清分别致辞，预祝大会取得圆满成功。

会议期间，中国科学院数学与系统科学研究院数学研究所陆汝钤院士、中国科学院软件研究所研究员孙乐、北京交通大学教授于剑、西北工业大学教授於志文、南京大学副教授黎铭分别作了题为《基于知识的广域网计算编配》、《基于知识的智能问答系统》、《归类问题研究》、《信息物理空间社会交互感知与理解》、《半监督软件缺陷挖掘》的精彩报告。

本次会议按照专题设有6个分组，研究和讨论的主要议题包括：数据挖掘与知识发现、生物信息处理、智能图像处理、模式识别、自然语言理解、语音识别、智能控制、机器学习、智能计算等，来自国内人工智能和计算机领域的专家、学者进行了论文交流。

8月7日，会议举行闭幕式，中国人工智能学会知识工程与分布智能专业委员会副主任委员梁吉业宣读第五届全国智能信息处理学术会议纪要，马少平致闭幕辞。桂林电子科技大学教授文益民对2016年中国数据挖掘学术会议进行了介绍，河南师范大学教授徐久成对2017年第六届全国智能信息处理学术会议进行了宣讲。闭幕式由信息学院计算机系主任樊建聪主持。

本次会议共收到论文稿件288篇，经过程序委员会委员的通信评审和主任委员的会审，最后会议录用论文199篇。该会议每两年举办一次，现已成为国内智能信息处理领域主要的学术活动之一，为智能信息处理相关领域的学者交流最新研究成果、进行广泛的学术讨论提供了便利。

来源：山东科技大学 2015-08-14 

2013年7月3日下午，中国科学院计算技术研究所研究员、博士生导师、云计算领域顶尖专家何清博士到访云创，公司cStor研发部负责人袁高峰等热情接待了何清博士。云创对于何清博士并不陌生，早在去年11月2日，作为云创数据立方云计算一体机新产品发布会特邀嘉宾，何清博士就现场见证了全球首款云处理服务器亿条记录秒级响应的魅力。此次到访，何清博士欣喜地看到云创存储一直保持着快速发展的势头，在云计算领域践行着自己的理想，并自主研发出了更加先进的技术和产品。接待结束后，何清博士对云创寄予了厚望，并表示期待着看到云创存储不断壮大，在云计算领域创造出更辉煌的业绩。

何清，中国科学院计算技术研究所研究员，博士生导师，中国计算机学会高级会员，人工智能与模式识别专业委员会委员，中国电子学会云计算专家委员会委员，中国人工智能学会副秘书长，常务理事，知识工程与分布智能专业委员会秘书长，机器学习专业委员会常务委员。何清提出了基于超曲面的覆盖学习算法、极小样本集抽样方法与相关理论、基于进化规划的基于摄动的模糊聚类改进算法，解决了模糊聚类失真问题、证明了模糊集扩展原理在范畴论意义下的合理性、概念语义空间用于知识管理、提出一种新型信息熵用于分类、提出基于粒度的多层次决策方法、组织开发了国内最早的基于云计算平台Hadoop的并行数据挖掘系统，组织并完成了多项国家重点项目。

来源：云创大数据 2013-7-3

中科院计算技术研究所何清：物联网中的数据挖掘云服务

2011年最受瞩目的IT业界盛会——第三届中国云计算大会于2011年5月18-20日在北京国家会议中心隆重举行。本次大会由中国电子学会主办，中国电子学会云计算专家委员会、中国云计算技术与产业联盟承办，CSDN网站、《程序员》杂志和电子工业出版社协办。此次大会规模空前、群英荟萃、主题丰富、突出实战并汇集全球视角。

在20日上午举行的专题论坛一《云计算中心技术架构》中，中科院计算技术研究所研究员何清带来了“物联网中的数据挖掘云服务” 的精彩演讲。

在演讲中，他从四个方面分享了他的演讲内容：物联网现状与挑战、物联网的重要一环、数据挖掘的新挑战、数据挖掘服务方式。

物联网现状与挑战

“国内比国外热、政府比市场热、教育比科研热、应用比基础热、硬件比软件热、采集比处理热”是他总结的当前物联网的现状。他认为重数据收集、轻数据挖掘与智能处理是物联网所面临的挑战之一。只有突出智能服务的特征，才能建立起一个巨大的物联网产业。

物联网的重要一环

物联网架构由感知层、传输层、信息处理层、决策控制层组成。数据挖掘是决策支持和过程控制的重要技术支撑手段。同时他列出了物联网的两种计算模式：云计算模式和物计算模式。

物联网的云计算模式是通过分布式的架构采集数据，然后集中进行信息处理。此模式一般用于宏观决策等信息处理的过程中，系统的智能主要体现在处理中心，即需要较强的集中计算能力和高带宽，但终端设备比较简单。

数据挖掘的新挑战

物联网数据挖掘所面临的问题挑战有下面几个：

● 首先是并行分布式整体数据挖掘；

● 其次是实时高效局部数据处理；

● 再次是数据管理与质量控制；

● 最后是用于决策控制。

数据挖掘服务方式

何清表示数据挖掘云服务模式可以保证分布式并行数据挖掘，同时保证高效实施。下图是数据挖掘云服务系统架构图：

来源：CSDN 2011-05-20

获奖及荣誉：

1.PAKDD2018国际会议最有影响论文奖, 一等奖, 其他, 2018

2.吴文俊人工智能科学技术创新奖——大数据挖掘算法与云服务, 二等奖, 省级, 2015

3.北京市科学技术奖——主体网格智能平台, 三等奖, 省级, 2006

 

1.何清：大数据挖掘领域的开拓者  

2.中国人工智能学会副秘书长何清：智能技术正向认知、推理阶段推进 

当前，我们生活在一个信息爆炸的时代。每天，信息的洪流从四面八方涌入，影响和改变着人类生活的方方面面。但与此同时，人类从浩如烟海的信息中获得有价值的信息变得非常困难。那么，究竟如何从海量信息中准确提取出有价值的信息，挖掘分析信息背后的关系，为我所用？这就涉及到一项蕴含巨大价值的核心技术——数据挖掘。

2015年11月，被誉为“中国智能科技最高奖”的吴文俊人工智能科学技术奖获奖名单揭晓，何清以大数据挖掘算法与云服务方面的创新研究成果获得了科学技术创新二等奖。作为中国人工智能学会副秘书长、中国电子学会云计算与大数据专家委员会委员、中国科学院计算技术研究所研究员，何清在数据挖掘领域孜孜耕耘十五年，坚持用自主创新引领行业发展之先，取得了累累硕果。

何清于2000年进入中科院计算所智能信息处理重点实验室从事博士后研究工作。当时，我国在海量数据挖掘方面的成果还十分薄弱，而何清以科研工作者特有的敏感，意识到数据挖掘作为一种基于人工智能的决策支持过程，必将随着人类社会信息量的爆炸式增长而发挥越来越重要的作用。他决心在这方面探索突破，以填补国内在该领域的空白。

“科研工作者的使命就是用专业知识预测发展方向，经过深入研究寻求突破，最终通过成果转化引领行业发展、推动社会进步。”多年来，何清带领着他的团队，脚踏实地，一步一步地实现他的科研梦想，在人工智能领域留下了一项项沉甸甸的科研成果：何清团队自主创新提出了基于超曲面的系列机器学习算法。在算法研究过程中逐步形成了极小样本集理论，揭示了覆盖类学习算法测试集分布必须与训练集分布一致才能达到理想的学习效果，找出了影响分类准确率的内在原因，准确计算出与实验结果一致的基于超曲面的分类算法准确率。他提出了一种并行的基于超曲面的适应任意分布的极小样本集抽样算法，带领团队开展一项极具特色的迁移学习研究，解决了领域迁移时如何很好地把学习到的模型迁移到新领域的问题。同时，他首次把极端学习机用于分类、聚类，并提出并行极端支持向量机算法，实现了高效并行的增量分类学习算法。在机器学习与数据挖掘算法研究基础上，面向大数据注重单机时挖掘数据量大、并行效率高的算法的并行化，他提出了一系列大数据挖掘的算法。特别在颇具难度的聚类问题上，何清团队提出了基于MapReduce的并行聚类算法的具体并行方法和详细策略，相关论文很快被他人引用达300多次。

数十年来，何清承担并圆满完成国家重点基础项目（973计划）2项子课题，承担完成的863项目3项获得好评，承担完成或参加完成的国家自然科学基金项目5项被评为优或特优，获得北京市科学技术奖1项。截至目前，他的团队在IEEETKDE、IEEETIT、KDD、CIKM、ICDM、AAAI、IJCAI等国内外重要刊物和会议上发表百余篇学术论文，其中SCI检索论文45篇，CCF A类论文12篇，Google Scholar显示课题组发表论文被国内外同行引用1831次，SCI他人引用188次。申请专利15项，授权11项，获得软件著作权14项。在专注科研的同时，他也为人工职能领域培养了大量优秀学生。他指导的学生获得2013年中国人工智能学会优秀博士学位论文奖。

特别值得关注的是，早在2008年底，何清带领他的机器学习与数据挖掘团队，开发完成了国内最早的基于Hadoop的并行数据挖掘等系统PDMiner用于中国移动TB级实际数据挖掘，该系统完成3年后，国际上开源系统Mahout才启动。此项创新使我国获得了自主知识产权的基于云计算的数据挖掘技术，目前已推广到电信、环保、物联网、国家电网、信息安全、证券等领域的大数据挖掘，为企业带来了可观的经济效益。其典型应用是通过采用他们的大数据挖掘技术，使得上海证券交易所在发现“老鼠仓”这些违规交易的工作中效率从过去的几个小时缩短到分钟级。何清也因此受邀在第二届和第三届第六届中国云计算大会上作了技术报告，在技术上推动和引领了大数据挖掘技术在多个行业的应用。（刘尧）

原文链接：http://digitalpaper.stdaily.com/http_www.kjrb.com/kjrb/html/2016-05/31/content_340290.htm?div=-1

 

中国人工智能学会副秘书长何清：智能技术正向认知、推理阶段推进

2017年03月22日16:56 新华网

新华社北京３月２２日新媒体专电（记者陶一萍）随着“互联网＋”和国家大数据战略深入推进，人工智能加速兴起。近日，中国人工智能学会副秘书长何清接受新华社记者专访时表示，新的技术浪潮到来后，智能技术向着认知阶段、推理阶段前进。

何清认为，人们不用担心智能技术引起社会失业等问题。很多制造业领域，都经历了“机器人取代人”的阶段。比如，占用人力资源过多的体力劳动，可能会逐步被机器人取代。但是，技术革命的到来，不会对人的就业造成极大困难。“人可以创造智力工具，但机器人很难自己创造智力工具。”何清说，人类社会将产生更多、更新的岗位。同时，由于社会发展，如老龄化社会逐渐形成等，对岗位的需求反而会更多，对人工智能的企盼也越来越多。

谈及人工智能未来的发展重点，何清说，从技术层面看，原来人们所处理的问题很多是确定的，所采用的手段往往都是流程化、自动化的。而新的技术浪潮来临后，智能技术逐渐向“具备认知、推理能力”的阶段演进，而这一阶段最大的特征就是能处理不确定性环境下的问题，“但是现在的机器人，其认知和推理能力还远远不够。”

关于人工智能技术在未来会产生什么影响，何清表示，前人已在各种作品当中进行了一些描述，实际上就是机械化、智能化大生产将逐步代替人工劳动的过程，许多人力将会被计算机、机器人所替代。

近年来，在人工智能领域涌现不少创客。何清认为，创客有“创业”和“创新”两个概念。“创新应该时时都作为一种意识存在于大众观念之中。只有具备创新意识，才有可能产生新的想法和创业的冲动。”何清说。

 

在计算机信息技术飞速发展的今天，人们已经对计算机能够完成人类给的各种指令，存取数据习以为常，但您知道吗？计算机也可以“挖掘”发现数据背后的知识！

在大数据的时代环境下，计算机是可以智能到发现数据背后蕴藏的规律的，它能够发现新的知识，创造新的价值，借助计算机让数据自己说话。事实上，大数据挖掘已经上升到国家新型信息化产业的战略高度。

在中国科学院计算技术研究所智能信息处理重点实验室，有一支机器学习与数据挖掘团队，它是国内开展机器学习与数据挖掘最早的团队之一。自2000年，何清博士接过团队接力棒以来，一直致力于这个方向的科研和开发工作。

何清，2000年进入中科院计算所智能信息处理重点实验室从事博士后研究工作。一开始主要从事机器学习和数据挖掘算法的研究，研究提出了基于超曲面的一系列机器学习与数据挖掘算法。随着研究的深入，他逐渐意识到数据挖掘作为一种基于人工智能的决策支持过程，必将随着人类社会信息量的爆炸式增长而发挥越来越重要的作用，而我国在海量数据挖掘方面的成果当时还十分薄弱。作为一名科研工作者，他决心在这方面探索突破，以填补国内在该领域的空白。这成为他带领机器学习与数据挖掘团队不懈奋斗的最大动力。

“有志者，事竟成。”带着这样的志气，何清带领他的团队成员奏响了一曲斗志昂扬、攻坚克难的奋斗强音：近年来，他们先后在国际重要SCI期刊发表论文32篇，顶级会议近20篇，EI收录51篇。承担并圆满完成国家重点基础项目（“973”计划）3项；承担完成的“863”项目3项获得好评；承担完成或参加完成的国家自然科学基金项目5项被评为优或特优。获得北京市科学技术奖1项。课题组已经取得国家发明专利8项，软件开发著作权8项。在模糊信息处理中的信息扩展和聚类问题的研究和基于超曲面的海量数据分类法（HSC）以及一套基于此的理论体系和算法方面均有创新性突破。目前团队在研课题共有6项，均进展顺利，特别是在多领域、多任务Web数据分析与挖掘、迁移学习分类问题上取得突破性进展。团队在Web内容管理、分析和挖掘上走在国内研究同行的前列，现正致力于人口数据和信息安全数据的大数据分析挖掘，有望取得创新性成果。

团队自2008年以来，一直坚持在并行数据挖掘领域开展系列研究，在这个方向也取得了国内领先的研究成果，相关成果发表在CloudCom09等领域内重要的国际期刊和会议中，其中并行K-Means算法论文单篇他引87次。在大数据时代，特别是在基于云计算的数据分析和挖掘是大数据分析的主流技术方面，何清及其团队一直站在研究领域前沿，立志可以对大数据、云计算技术的应用起到引航作用。

值得一提的是，何清及其团队一直十分重视科研成果的产业化。2008年底，他们研发的基于云计算的大数据挖掘系统PDMiner并实际用于中国移动TB级数据的挖掘，实现了高性能、低成本的并行数据挖掘。该系统为我国在该领域做出了开创性的贡献。通过与中国移动研究院、国家电网等企业和单位的合作，致力将研究成果落地，实际应用在通信、军队、电力、环保、信息安全、互联网、物联网、智慧城市乃至更多的数据密集型行业被成功应用。近期他们希望借助商业的力量，将所拥有的研究成果更好更快地提供给社会，在为国家做出贡献。 

来源：科学中国人 2013年第12期