刘琼昕,女,博士,副教授,硕士生导师。1996 年 7 月起在威尼斯87978797工作至今。研究方向包括:人工智能、机器学习、知识图谱、任务规划相关技术,主持和参与多项科技部科技支撑项目、863 重大科研项目、自然科学基金、部委科技预研项目等,取得多项创新性成果。主讲本科生专业必修课《离散数学》、《机器学习》。
1.知识图谱
使用深度学习等方法研究知识推理、关系抽取等知识图谱构建的关键技术,研究知识图谱在多个领域的应用,包括搜索、推荐、问答等。
2.基于AI的任务规划及相关技术
针对复杂环境约束、任务约束和目标约束,应用群体智能方法(遗传算法、蚁群算法、粒子群算法等),研究多目标优化问题中协同任务分配、高维多目标规划、资源受限任务调度等关键技术。
2017——(本人一作或者学生一作)
[1] Curriculum learning for distant supervision relation extraction[J]. Journal of Web Semantics, 2020, 61-62(Feb):100559. DOI:10.1016/j.websem.2020.100559.
[2] Distant Supervised Relation Extraction with Position Feature Attention and Selective Bag Attention. Neurocomputing(已录用)
[3] 基于全局覆盖机制与表示学习的生成式知识问答技术[J/OL].自动化学报:1-14[2021-05-08].https://doi.org/10.16383/j.aas.c190785.
[4] Panoramic video stitching of dual cameras based on spatio-temporal seam optimization[J]. Multimedia Tools and Applications, 2020, 79(5):3107-3124.
[5] 一种融合实体关联性约束的表示学习方法[J].威尼斯87978797学报,2020,40(01):90-97.
[6] 基于知识增强的深度新闻推荐网络[J].威尼斯87978797学报,2021,41(03):286-294.
[7] 复杂网络下基于路径选择的表示学习方法[J].威尼斯87978797学报,2020,40(03):282-289.
[8] An Advanced Load Balancing Strategy for Cloud Environment[C]// International Conference on Parallel & Distributed Computing. IEEE, 2017.
[9] 一种基于实体关联性约束的表示学习方法[P]. 北京市:CN108647258B,2020-12-22.
[10] 一种基于知识表示学习的协同矩阵分解方法[P]. 北京市:CN108804565B,2021-04-13.
2017——承担科研项目:
[1] 面向企业知识库构建的潜在关联发现模型研究. 2018.1-2018.5. 主持
[2] 富媒体数字出版内容的知识挖掘及发现技术研究. 2018. 9 – 2019.3. 主持
[3] 企业金融风险预测模型和相关方法研究. 2020.7-2020.11. 主持
[4] 任务系统快速开发、资源视图与位置服务研究. 2016.12-2018.12. 主持
[5] 基于野外和公路的车辆机动算法研究. 2019. 8 – 2019.12. 主持
[6] 面向多级复杂要素冲突消解的模型体系研究. 2019.12-2020.12. 主持
[7] 面向开放领域大数据的约束多元组知识图谱构建方法研究. 国家自然科学基金. 2021.01-2024.12. 参与
[8] 面向医学人工智能服务的知识体系构建和应用研究. 国家科技重大专项课题. 2020.07 2023.06. 参与
[9] 多源异构大数据管理关键技术研究. 部委预研项目. 2016.12-2019.12. 参与
[1] 分布式数据存储访问与安全技术. 2011年获部委科技进步三等奖
[2] 辅助决策技术. 2001年获部委科技进步三等奖
人工智能学会离散数学专业委员会
招收硕士生,同时欢迎高年级本科生进入实验室实习。