研究所动态

喜报 | 我所2021届博士、硕士毕业生再创佳绩

发布时间:2021年6月24日

      时光荏苒,岁月如梭,又到了毕业的季节。在学院和研究所老师的精心培养下,今年我所23名博士、硕士生顺利毕业,毕业生们在各方面取得出色的成绩,有7篇硕士论文被评为院级优秀硕士论文,3篇硕士论文被评为校级优秀硕士论文,毕业生们的学术成果发表在TKDE、AAAI、TITS等著名期刊或会议上。毕业生们受到阿里、微软亚洲研究院、字节跳动、美团、京东等知名单位广泛欢迎。


      校级优秀毕业论文


      融合多源时空数据的交通事故风险预测方法研究

      毕业生  王贝贝 :

      本人研究生期间主要的研究方向是时空数据挖掘,即使用机器学习或深度学习方法建模时空数据在时间和空间维度的相关性。

      此次的硕士学位论文《融合多源时空数据的交通事故风险预测方法研究》获得校级和院级优秀硕士学位论文奖。论文提出了两种多尺度的交通事故风险预测方法,并设计了加权损失函数来解决交通事故研究中的零膨胀问题。

      研究生期间撰写的两篇论文:《融合局部和全局时空特征的交通事故风险预测》 已被CCF中国数据库学术会议(NDBC)会议接收,并推荐到《计算机科学与探索》期刊。《Learning SpatialTemporal Correlations from Geographical and Semantic Aspects for Traffic Accident Risk Forecasting》已被The 35th AAAI Conference on Artificial Intelligence (AAAI 2021)CCF A类国际会议接收。


      民航旅客行程恢复模型及优化算法研究

      毕业生   王焕政 :

      本人研究方向为组合优化。

      硕士学位论文研究了民航旅客行程恢复问题。论文根据航空公司实际运营场景研究了旅客行程恢复问题模型及优化算法, 主要工作及成果如下:(1) 从航空公司的实际需求出发,考虑了中转航班舱位共享约束、PNR不可分割约束、旅客多行程衔接约束,构建了以最大化航司收益和旅客满意度为优化目标的多目标问题约束模型。(2) 通过构建旅客行程恢复图来表示旅客行程恢复过程。为了获得问题的初始解,提出了一种基于禁忌表的回溯搜索算法。在优化的过程中,提出了一种基于变邻域搜索的优化算法,设计了三种不同的邻域规则来构造邻域,并采用随机选择邻域生成解进行局部搜索的方法来避免陷入局部最优。(3) 为了进一步优化旅客行程恢复问题,基于列生成方法将问题分解并分别建立了限制主问题整数规划模型和子问题模型,提出了一种基于节点预处理的贪心搜索算法来求解子问题并设计了一种分支定价优化算法求解全局整数解。

      读研期间致力于民航旅客行程恢复问题的研究,以第一作者在IEEE International Conference on Control, Automation and Diagnosis(ICCAD,EI检索)发表论文一篇,以第三作者在期刊《计算机应用》发表论文一篇,深度参与并完成了两项企业合作科研项目,在校期间多次获得学业奖学金。


      基于深度生成模型的时间序列异常检测方法研究

      毕业生  肖钦峰:

      本人研究方向为异常检测与时间序列分析。

      硕士学位论文研究了时间序列异常检测问题。时间序列异常检测可以自动地从大量互联网公司业务或工业机械等监控数据中自动地发现异常,从而避免损失。本文针对无监督时间序列异常检测展开了研究工作。首先,本文提出了一种基于知识蒸馏的异常检测框架以缓解特征提取维度过高问题;其次,基于对抗自编码器构建模型,本文提出了对比重构损失和训练填充机制来分别解决利用少量先验标签和缺失值的问题;最后,本文使用了额外的预测模块和记忆模块来解决重构任务在检测局部异常上的不足和容易过拟合的问题。

      读研期间,以第一作者在The international Conference on Acoustics, Speech, & Signal Processing会议(ICASSP,CCF-B类),Entropy期刊(SCI检索,JCR-Q1区)分别发表论文一篇,以第三作者在期刊Neurocomputing(SCI二区Top)发表论文一篇;担任北京交通大学计算机与信息技术学院《机器学习》本科生课程助教;在校期间多次获得一等学业奖学金。现就职于小米科技,任可穿戴设备算法工程师。


      院级优秀毕业论文


      融合知识表示的关系抽取方法研究

      毕业生  高建伟 :

      信息抽取一直是学术以及工业界的研究热点,现有的有监督方法受限于对大规模标注数据的依赖,往往难以实际落地。而远程监督通过自动化的手段缓解了大规模标注数据难以获取的问题,因而具有更广泛的应用价值。本人针对远程监督任务当中不同阶段的建模过程,引入了实体知识和全局语境知识来解决常识认知和文本理解的问题,有效提高了模型的表达能力和降噪能力,显著提高了远程监督场景下的关系抽取效果,可进一步提高对下游任务的支撑能力。

      以上研究成果论文发表情况如下:

      [1] 高建伟, 万怀宇, 林友芳. 融合实体外部知识的远程监督关系抽取方法[C]. 2021年中国计算机学会人工智能会议.(已被CCFAI 2021录用并被推荐至《计算机研究与发展》发表,CCF-A类中文期刊)

      [2] Jianwei Gao, Huaiyu Wan, Youfang Lin. Exploiting Global Context and External Knowledge for Distantly Supervised Relation Extraction[J]. Knowledge-Based Systems.(CCF-C类英文期刊在审)


      融合知识表示学习的个性化搜索方法研究

      毕业生  郭倩:

      本人的研究任务是个性化搜索,旨在将搜索引擎返回的文档根据用户兴趣进行重排序,为不同的用户返回满足其需要的个性化排序列表。

      首先基于AOL查询日志,本人提出了个性化搜索数据集构造方法,对其中的关键步骤进行算法优化,构造个性化搜索基准数据集AOL4PS并将该数据集进行公开。其次本人提出动态融合个性化表示和查询序列编码的个性化搜索方法,主要解决模糊查询具有歧义性以及用户重查询行为难以识别的问题。

      以上研究成果被《Data Intelligence》(ESCI)期刊录用:Qian Guo, Wei Chen, Huaiyu Wan. AOL4PS: A Large-Scale Dataset for Personalized Search. Data Intelligence. 2021. (accepted)


      基于时空轨迹的快件送达时间预测方法研究

      毕业生  王强:

      本人研究生期间主要研究方向为时空数据挖掘。

      针对快件派送的实际场景,将影响送达时间预测的多种数据进行模块划分,提出了一种基于时空轨迹的快件送达时间预测模型STDTN。通过进一步分析派送顺序对于送达时间预测问题的影响,改进STDTN模型,提出了一种基于多任务学习的快件送达时间预测模型MTDTN。

      相关学术论文《基于多任务学习的快件送达时间预测方法》发表于《计算机工程》。


      光场三维重建中极面特征提取算法研究及应用

      毕业生  王炜堃:

      本人研究生期间主要研究方向为计算机视觉,包括光场深度提取,光场三维重建方法。

      此次的硕士论文《光场三维重建中极面特征的提取及应用》获得院级优秀硕士学位论文奖。论文从光场的极面图像入手,从同一光场和不同光场分别进行三维重建。在同一光场中,设计了基于颜色约束的旋转平行四边形算子并用于三维重建。在不同光场之间,设计了尺度不变极线特征进行特征点的匹配,并展示了重建结果。

      研究生期间撰写的英文论文《Enhanced Spinning Parallelogram Operator Combining Color Constraint and Histogram Integration for Robust Light Field Depth Estimation》被IEEE Signal Processing Letter接受,该期刊为CCF C类期刊,IF3.15,JCR Q1区。


      我所毕业生在工作中更是收获很多互联网公司和国有企业的offer,就业去向包括:阿里、百度、字节跳动、快手、美团、小米、京东、中国农业银行、中国电信、平安科技、中国人寿、微软亚研院等众多知名企事业单位。

      再次祝贺2021届毕业生取得的优秀成绩,祝毕业生们在新岗位上再接再厉,取得出色的成绩!