何清，男，1965年8月出生，中國科學院計算技術研究所研究員，博士生導師。中國人工智能學會會士·、副秘書長，常務理事，知識工程與分布智能專業委員會副主任委員，機器學習專業委員會常務委員。中國計算機學會高級會員，人工智能與模式識別專業委員會委員。中國電子學會和中國通信學會云計算專家委員會委員。

工作學習經歷：

2008年10月被中國科學院計算技術研究所聘為研究員

2007年6月被中國科學院計算技術研究所聘為博士生導師

2006年5月被中國科學院研究生院聘為教授

2002年8月，在中國科學院計算技術研究所，副研究員，碩士生導師

2000年8月-2002年8月 中國科學院智能信息處理重點實驗室博士后

1997年8月-2000年7月 北京師范大學 模糊數學與人工智能專業 博士畢業，獲博士學位

1996年7月被河北科技大學評聘為副教授

1987年8月-1997年7月 河北科技大學教師

1987年8月鄭州大學數學專業研究生班畢業

1985年8月河北師范大學數學系本科畢業

出國學習工作：

2001年11月俄羅斯圣彼得堡信息與自動化研究所合作交流,執行中俄政府間科技合作項目

2003年10月澳大利亞UniSA高級訪問學者，執行中澳國際特別基金合作項目

2004年10月澳大利亞UTS, 中國科學院高級訪問學者計劃

社會兼職：

2014-04-25-今,中國電子學會大數據專家委員會, 委員

2012-05-31-今,中國通信學會大數據專家委員會, 委員

2009-06-01-今,中國電子學會云計算專家委員會, 委員

2003-08-01-今,中國人工智能學會, 副秘書長

2003-06-01-今,中國人工智能學會知識工程與分布智能專業委員會, 秘書長、副主任委員

國際學術會議程序委員:

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

國際刊物副主編：

1、Springer出版的國際期刊International Journal of Machine Learning and Cybernetics (IJMLC)副主編

參與編輯的會議論文集與期刊專集：

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

2、《計算機學報》2007.8數據挖掘與機器學習專集

國際刊物審稿人：

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

主講課程：

1、人工智能基礎課程首席教授

2、認知計算研討課

3、本科生畢業設計（計算機科學與技術）

4、云計算與大數據管理系列講座

5、模糊數學及計算機應用

招生信息：   

招生專業

081202-計算機軟件與理論

081203-計算機應用技術

083500-軟件工程

招生方向

機器學習、數據挖掘、人工智能

計算機技術

軟件工程

培養研究生情況： 

 何清2020年獲得華為獎教金、2007年獲得所長獎教金，他所教授的課程《人工智能基礎》獲評國科大優秀課程，他所指導的學生多人獲得科學院和計算所獎勵，學生畢業后就業情況很好。

已畢業學生：

1. 趙秀榮是2004級碩士研究生，于2007年獲得計算機軟件與理論專業碩士學位。在學期間，她發表SCI、EI收錄論文5篇，獲得中國科學院劉永齡獎學金(全院50人)，2007年畢業后在北京中央外匯業務中心工作。

2. 劉秋閣是2005級碩士研究生，2008年獲得計算機軟件與理論專業碩士學位。在學期間，他在PAKDD08發表長文一篇（長文占錄用文章的12%），并獲得赴日本參會獎勵（共10名），2008年畢業后到騰訊研究院在北京工作。

3. 趙衛中是2007級博士研究生，2010年獲得計算機軟件與理論專業博士學位。在學期間，他發表國外SCI期刊和計算機學報等EI收錄論文6篇，獲得2009年北緯通訊獎學金，2010年優秀畢業生稱號，2010年畢業后去湘潭大學工作，2012年去美國工作。

4. 李金成是2007級碩士研究生，2010年獲得計算機軟件與理論方向碩士學位。他在學期間發表三篇論文被EI收錄，獲得2010年所長優秀獎，現在深圳證券所工作。

5. 莊福振是2006級碩博研究生2011年獲得計算機軟件與理論專業博士學位。在IEEETKDE，InformationScience，Chinese Science Bulletin, CIKM2010，SDM2010、ICDM2010等期刊和會議發表論文，2008年獲得度夏培肅獎，2011年獲得中國科學院院長獎學金優秀獎，2013年獲得中國人工智能學會優秀博士論文獎。在學期間赴香港科技大學學習2個月，并獲得國家留學基金資助前往明尼蘇達大學學習半年。2011年7月留在計算所工作，2013年被聘為副研究員。

6. 馬旭東是2008級碩士研究生, 2011年獲得計算機軟件與理論專業碩士學位。在學期間，他獲得2010年騰迅優秀獎，在2011年在人工智能頂級國際會議IJCAI2011上發表論文一篇，畢業后前往Google工作，現在美國Google總部工作。

7. 李婷婷是2009級碩士研究生, 2011年獲得計算機軟件與理論專業碩士學位。在學期間，她發表兩篇EI收錄論文，2011年畢業后到中國銀行在北京工作。

8. 譚慶是2008級博士研究生, 2012年獲得計算機軟件與理論專業博士學位。在學期間，他在AAAI10和IJCMA等國際會議和期刊上發表論文4篇,獲得2010年北緯通信博士生獎，2012年2月畢業后到阿里云在北京工作。

9. 王群是2009級碩士研究生，2012年獲得計算機軟件與理論專業碩士學位，發表EI收錄論文2篇，2010年獲得北緯通信碩士生獎，2012年畢業到人民網工作，現在高德公司在北京工作。

10. 羅文娟是2008級計算機軟件與理論專業碩博研究生,她在SCI國際期刊KBS和AIRS2010、PAKDD2012等會議上發表論文4篇，2013年畢業后到人人網在北京工作。

11. 董智是2010級計算機軟件與理論專業碩博連讀研究生，已發表EI收錄文章2篇，2013年畢業后到新華網，在北京工作。

12. 馬云龍是計算機應用技術專業2010級碩士研究生，已發表EI收錄文章1篇，2011年獲得北緯通信碩士生獎，2013年畢業后到中國科學院信息工程研究所，在北京工作。

13. 李寧是2009級計算機軟件與理論專業博士研究生，已在IJNDC，SNPD2012等期刊和會議發表EI收錄的論文4篇，國內核心論文2篇，現在中科院信工所工作。

14. 尚田豐是2010級計算機軟件與理論專業博士研究生，已在SCI國際期刊NeuroComputing發表論文1篇，并已在APWeb13、IJCNN13上發表論文，2012年獲得北緯通信博士生獎。畢業后到新加坡管理大學做博士后。

15. 韓碩是2011級計算機軟件與理論專業碩士研究生，在Physica A和PAKDD14上發表論文兩篇，2013年獲得北緯通訊獎學金。畢業后到北京亞馬遜公司工作。

16. 余文超是2011級計算機軟件與理論專業碩士研究生，在ECMLPKDD13、NeuroComputing上發表錄用論文3篇，2013年獲得計算所所長優秀獎，畢業后到美國那卡羅萊納大學讀博士。

17. 杜長營是2009級計算機軟件與理論專業碩博連讀研究生，2015年博士畢業。他已在NeuroComputing發表SCI收錄論文,并在ICDM12上發表長文一篇，獲得2010年所長優秀獎，畢業后到中國科學院軟件所工作。

18. 金鑫是2011級計算機軟件與理論專業博士研究生，已在SCI國際期刊NeuroComputing、AMC發表論文2篇，并在ECMLPKDD13發表論文（oral+poster），2013年獲得所長優秀獎，2015年博士畢業，畢業后到華為公司北京工作。

19. 敖翔是2010級碩博連讀研究生，2012年9月轉博，在Information Sciences、WWW14等期刊和會議上發表論文3篇，申請專利1項，2013年獲得騰訊獎學金特等獎，獲得2014年國家獎學金，2015年博士畢業，現留所工作。

20. 吳新宇是2012級計算機軟件與理論碩士研究生，申請了專利兩項，2013年獲得了計算所技術創新大賽獎項，獲得中國科學院計算技術研究所碩士所長獎學金，畢業后到IBM北京工作。

21. 程曉虎是2012級計算機軟件與理論專業碩士研究生，IJCAI15、FSKD14發表論文一篇，獲得中國科學院計算技術研究所斯倫貝謝碩士生獎學金，畢業后到騰訊北京工作。

22.王浩成是2012級計算機軟件與理論專業博士研究生，在Fuzzy Sets and Systems、IDA、SNPD2014、ELM2015上發表論文。 獲得2015年度所長優秀獎博士生獎，畢業后到北京市公安局工作。

23.閆肅是2013級計算機軟件與理論專業碩士研究生，在KDD16合作發表論文一篇，畢業后到騰訊工作。

24.羅丹是2013級計算機軟件與理論專業碩士研究生，在ICDM2015合作發表論文一篇，畢業后到微軟工作。

25.黃明是2014級計算機軟件與理論專業碩士研究生，申請專利一項，在Machine Learning期刊發表論文一篇，畢業后到百度工作。

26.左羅是2014級計算機軟件與理論專業碩士研究生，申請專利一項，在DASFA18合作發表論文一篇，畢業后到中國人民銀行工作。

27.周干斌2013級計算機軟件與理論專業直博研究生， 在IJCAI16, AAAI17、AAAII、SCIENCE CHINA發表論文五篇，畢業后到騰訊工作。

28.周英敏2014級計算機軟件與理論專業 碩士研究生，在WWW17發表論文一篇，現在蘇州微軟研究院工作。

29.何佳 直博研究生 2014年入學，在IJCAI16,IJCAI17等會議和期刊上發表論文5篇，國家獎學金博士生獎，第四范式博士生獎，畢業后到華為北京研究所工作。

30.陳敬伍 碩士研究生 2016年入學，合作獲得IJCAI17年數據挖掘大賽最具潛力獎。在IEEETKDE、SIGIR18發表論文2篇，獲得國家獎學金碩士生獎，畢業后到頭條工作。 

31.泰潘 博士留學生 2016年入學，在PR等國際期刊上發表論文兩篇，畢業后到泰國國立法政大學Thammasat University任教。

32.奚冬博  碩士研究生 2017年入學，在AAAI2019、WWWW2020、SIGIR20發表論文4篇，獲得2019年獲三好學生稱號，2019年獲易方達金融科技碩士生獎，2019年獲學業獎學金一等獎，畢業后到美團工作。

33.張釗博士研究生  2015年入學，申請專利一項.發表AAAI2020、EMNLP2018、CIKM2018、Information System論文共四篇，獲得所級企業冠名獎學金，畢業后留所工作。

34.潘斐陽 直博研究生 2016年入學，IJCAI-17數據挖掘大賽第一賽季第1名、特別獎、最具潛力獎，IJCAI-18數據挖掘大賽第一賽季第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發表論文6篇，2018年獲得所級企業冠名獎，獲得2021年度所長特別獎，畢業后入選華為天才計劃進入華為工作。

35.羅玲 碩士研究生 2018年入學，分別在IJCAI18、IJCAI19、ENMLP20發表長文3篇，畢業后到華為工作。

36. 曹逸軒是2015級計算機軟件與理論專業直博研究生。 

37. 李宏偉是2015級計算機軟件與理論專業碩士研究生。

38.賈 海 碩士研究生 2019入學，2021年畢業

現在學生：

1. 孫 瑩 碩博研究生  2017年入學，在NATURE 子刊COMMUNICATIONS和 Scientific Reports, 、KDD18、KDD19、SIGIR21、WWW21等發表論文

2.柳 陽 博士研究生 2017年入學，IEEETKDE錄用論文1篇，WWW21、WWW、DASFA、CIKM2020發表論文5篇

3.李碩凱 直博研究生 2018年入學，在Neural Networks發表論文一篇 

4.于 朔 博士研究生 2019入學  

5.黃艨靼 碩士研究生 2019入學 

6.董臨風 碩士研究生 2019入學     

7.王天鑫 碩士研究生 2019入學，在ECAI 2020、CIKM2021發表論文二篇

8.汪潤川 碩士研究生 2019入學，在CIKM2021發表論文一篇

9.張富威 碩士研究生 2020入學

10.張函玉 直博研究生  2020入學

11.吳貽清 碩士研究生 2020年入學，在ICDM 2020發表論文一篇

12. 薛泓彥  博士研究生 2020入學  

13.劉騏鳴  碩士研究生  2020入學  

14.周子賢  碩士研究生  2020入學

15.李昊明  碩士研究生  081202-計算機軟件與理論  

研究方向：

機器學習、數據挖掘、文本挖掘、基于云計算的分布式并行數據挖掘等人工智能領域。

主持或參加完成的科研項目：

1. 國家自然科學基金面上項目：深度與寬度自適應的深度極端學習機模型研究, No.61573335， 2016年01月至 2019年 12月，負責人

2. 國家自然科學基金一年期滾動項目NO.91846113，項目名稱：一年期滾動項目——證券管理決策大數據挖掘云服務平臺研究，2019.1.1-2019.1.231

3. 國家自然科學基金大數據重大計劃培育項目：“證券管理決策大數據挖掘云服務平臺研究” No. 91546122，2016年1 月至2018年12月，負責人，圓滿完成，被評為優。。

4. 國家自然科學基金面上項目“領域適應性問題相關學習算法與理論研究”，No. 61175052,2012.1-2015.12,負責人，圓滿完成，順利結題。

5. 國家自然科學基金重點項目“WEB 搜索與挖掘的新理論與方法”，No. 60933004,2010.1-2013.12, 合作方負責人, 結題被評為優。

6. 國家自然科學基金面上項目：分布式計算環境下的并行數據挖掘算法與理論研究，2010.1～2012.12，負責人，圓滿完成，順利結題。

7. 國家自然科學基金面上項目“基于超曲面的覆蓋分類算法與理論研究” No. 60675010，2007.1-2009.12 負責人，被評為優。

8. 國家自然科學基金“概念語義空間及其應用”No.60173017，負責人：何清，2001.1-2002.12，被評為優。

9. 國家“八六三”高技術研究發展計劃項目“開放環境下海量web數據提取、集成、分析和管理系統平臺與應用”所屬課題“海量web數據內容管理、分析挖掘技 術與大型示范應用” No.2012AA011003, 2012.1-2014.12。子課題負責人，結題獲得好評。

10. 國家“八六三”高技術研究發展計劃“基于感知機理的智能信息處理技術”No：2006AA01Z128, 負責人，2006.9-2008.12，結題獲得好評。

11. 國家“八六三”高技術研究發展計劃“自主計算的理論和技術研究”No：2003AA115220, 負責人， 2003.7-2005.10，結題獲得好評。

12. 973項目課題“非結構化信息(圖像)的內容理解與語義表征”No. 2007CB311004，2007.7-2012.7，骨干，項目結題被評為優。

主要學術貢獻：

1.提出了基于超曲面的系列覆蓋學習算法；

2.提出極小樣本集抽樣方法與相關理論；

3.提出了基于進化規劃的基于攝動的模糊聚類改進算法，解決了模糊聚類失真問題；

4.證明了模糊集擴展原理在范疇論意義下的合理性；

5.提出了概念語義空間用于知識管理；

6.提出了一種極端支持向量機分類算法；

7.提出了基于粒度的多層次決策方法；

8.組織開發了國內最早的基于云計算平臺Hadoop的并行數據挖掘系統。

軟件著作權：

序號	軟件名稱	登記號	登記日期	版本號
1	冬奧知識問答系統	2021SR0494704	2021-04-06	V1.0
2	遷移學習算法工具包軟件	2021SR0161093	2021-01-28	V1.0
3	潛在離網用戶預測系統	2018SR045680	2018-01-19	V1.0
4	基于Spark和Azkaban的大規模數據挖掘云服務平臺系統	2016SR329461	2016-11-14	V1.0
5	基于Spark云計算的數據挖掘軟件系統	2016SR218993	2016-08-15	V1.0
6	遷移學習系統	2015SR195765	2015-10-13	V1.0
7	城市人口全生命周期數據挖掘系統	2015SR071535	2015-04-29	V1.0
8	Web挖掘云服務平臺 (Web Mining Cloud Service）	2013SR027808	2013-03-26	V1.0
9	基于云計算的Web挖掘系統	2012SR119823	2012-12-05	V1.0
10	數據挖掘云服務平臺	2010SR060647	2010-11-13	V1.0
11	并行分布式數據挖掘軟件系統（PDMiner）	2010SR005800	2010-01-29	V1.0
12	并行分布式數據挖掘軟件系統（PDMiner）	2010SR005800	2010-01-29	V1.0
13	Web信息智能處理軟件(網絡版)	2008SR35473	2008-12-18	V1.0
14	基于幾何超曲面的分類系統	2008SR02159	2008-01-30	V1.0

發明專利：

序號	專利名稱-原文	發明人	所內發明人	專利名稱-交局	申請號	申請日	授權公告日
1	一種基于知識圖譜的小樣本圖片識別方法及系統	朱勇椿;莊福振;何清	何清	一種基于知識圖譜的小樣本圖片識別方法及系統	CN202110041403.0	2021-01-13	2023-11-24
2	基于細粒度領域自適應的跨領域圖像分類方法及系統	朱勇椿;莊福振;何清	何清	基于細粒度領域自適應的跨領域圖像分類方法及系統	CN202010025566.5	2020-01-10	2023-09-26
3	基于分布式并行決策樹的高維特征數據分類方法及系統	孫瑩;莊福振;敖翔;何清	敖翔,何清	基于分布式并行決策樹的高維特征數據分類方法及系統	CN202010022431.3	2020-01-09	2023-06-13
4	一種基于頻繁交易模式的異常賬戶檢測方法及系統	敖翔;柳陽;秦紫笛;何清	敖翔,何清	一種基于頻繁交易模式的異常賬戶檢測方法及系統	CN201910846523.0	2019-09-09	2022-09-30
5	一種分布式的趨同行為挖掘方法與系統	李宏偉;羅平;敖翔;莊福振;何清	羅平,敖翔,何清	一種分布式的趨同行為挖掘方法與系統	CN201810271602.9	2018-03-29	2020-12-04
6	描述型多維度事件序列的并行頻繁情節挖掘方法與系統	敖翔;左羅;羅平;莊福振;何清	敖翔,羅平,何清	描述型多維度事件序列的并行頻繁情節挖掘方法與系統	CN201610524750.8	2016-07-05	2019-04-30
7	一種基于并行自動編碼機的特征學習方法及系統	莊福振;錢明達;申恩兆;敖翔;羅平;何清	敖翔,羅平,何清	一種基于并行自動編碼機的特征學習方法及系統	CN201610147007.5	2016-03-15	2018-06-26
8	一種大數據分類方法及系統	何清;吳新宇;莊福振;敖翔	何清,敖翔	一種大數據分類方法及系統	CN201310727192.1	2013-12-25	2017-04-12
9	一種面向大數據的分布式主題發現方法及系統	吳新宇;何清;莊福振;敖翔	何清,敖翔	一種面向大數據的分布式主題發現方法及系統	CN201310526790.2	2013-10-30	2017-03-29
10	一種并行的垂直交叉網絡數據采集方法及系統	敖翔;何清;莊福振	敖翔,何清	一種并行的垂直交叉網絡數據采集方法及系統	CN201310146080.7	2013-04-24	2016-04-13
11	一種采用決策樹的數據分類方法和系統	莊福振;何清	何清	一種采用決策樹的數據分類方法和系統	CN201110143821.7	2011-05-31	2013-06-19
12	一種基于棧指令序列的智能合約相似度檢索方法及系統	柳陽;敖翔;莊福振;羅平;何清	敖翔,羅平,何清	一種基于棧指令序列的智能合約相似度檢索方法及系統	CN202010176290.0	2020-03-13
13	一種面向異常發現的圖神經網絡環境自動劃分訓練方法及系統	柳陽，周子賢，敖翔，何清	柳陽,周子賢,敖翔,何清	異常賬戶識別方法、裝置、介質及計算機設備	CN202410362283.8	2024-03-27
14	一種金融大數據場景下的細粒度情感分析方法與系統	張一鳴，陳天宇，敖翔，何清	陳天宇敖翔,何清	一種金融大數據場景下的細粒度情感分析方法及裝置	CN202410370432.5	2024-03-28

會議論文

[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(最佳論文提名)

[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. (最佳論文提名)

[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最佳短文提名獎

[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評為最有影響的論文)

[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

期刊論文

[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 

代表性中文論文：

 [1]何清, 賈曉麗. 中國人工智能學會：建設一流學會 推動智能科技自立自強[J]. 學會, 2023, (08): 20-23.

[2]孫瑩, 章玉婷, 莊福振, 祝恒書, 何清, 熊輝. 基于集合效用邊際貢獻學習的可解釋薪酬預測算法[J]. 計算機研究與發展, 2024, 61 (05): 1276-1289.

[3]徐童, 唐飛, 何清. 隧道內貼壁火頂棚射流溫度及火焰特性研究[J]. 中國安全科學學報, 2022, 32 (07): 93-97.

[4]王心凱, 何清, 唐飛. 坡地建筑外立面火災溫度演化研究[J]. 中國安全生產科學技術, 2022, 18 (01): 23-28.

[5]莊蕊, 王璞, 何清, 唐飛. 環境風作用下建筑開口溢流火焰拓展規律研究[J]. 消防科學與技術, 2021, 40 (10): 1462-1465.

[6]趙俊逸, 莊福振, 敖翔, 何清, 蔣慧琴, 馬嶺. 協同過濾推薦系統綜述[J]. 信息安全學報, 2021, 6 (05): 17-34.

[7]羅玲, 李碩凱, 何清, 楊騁騏, 王宇洋恒, 陳天宇. 基于知識圖譜、TF-IDF和BERT模型的冬奧知識問答系統[J]. 智能系統學報, 2021, 16 (04): 819-826.

[8]郭一唯, 黃艨靼, 李博, 何清. 考慮均衡性的城際鐵路列車運行圖智能調整方法研究[J]. 鐵道運輸與經濟, 2020, 42 (09): 20-25.

[9]莊福振, 錢明達, 申恩兆, 張大鵬, 何清. 基于Spark的高效并行自動編碼機[J]. 數據采集與處理, 2018, 33 (01): 65-74.

[10]莊福振, 羅丹, 何清. 基于集成局部性特征學習的推薦算法[J]. 計算機科學與探索, 2018, 12 (06): 851-858.

[11]陳逸倫, 張奡祺, 傅云飛, 張鵬, 盧乃錳, 何清. 風云三號衛星微波和光譜信號的匹配及其反演應用[J]. 科學通報, 2016, 61 (26): 2939-2951.

[12]何清, 敖翔, 莊福振, 羅平. 一種基于Hadoop的大數據挖掘云服務及應用[J]. 信息通信技術, 2015, 9 (06): 42-49.

[13]李寧, 羅文娟, 莊福振, 何清, 史忠植. 基于MapReduce的并行PLSA算法及在文本挖掘中的應用[J]. 中文信息學報, 2015, 29 (02): 79-86.

[14]何清, 莊福振, 曾立, 趙衛中, 譚慶. PDMiner:基于云計算的并行分布式數據挖掘工具平臺[J]. 中國科學:信息科學, 2014, 44 (07): 871-885.

[15]莊福振, 羅平, 何清, 史忠植. 遷移學習研究進展[J]. 軟件學報, 2015, 26 (01): 26-39.

[16]何清, 李寧, 羅文娟, 史忠植. 大數據下的機器學習算法綜述[J]. 模式識別與人工智能, 2014, 27 (04): 327-336.

[17]何清. 大數據與云計算[J]. 科技促進發展, 2014, (01): 35-40.

[18]何清. 專家寄語[J]. 計算機科學, 2013, 40 (12): 2.

[19]何清, 莊福振. 大數據挖掘與云服務模式[J]. 高科技與產業化, 2013, (08): 56-61.

[20]何清, 莊福振. 基于云計算的大數據挖掘平臺[J]. 中興通訊技術, 2013, 19 (04): 32-38.

[21]施智平, 李清勇, 趙曉東, 何清, 史忠植. 基于內容圖像檢索中的優化鑒別特征[J]. 計算機輔助設計與圖形學學報, 2012, 24 (12): 1592-1598.

[22]何清. 物聯網與數據挖掘云服務[J]. 智能系統學報, 2012, 7 (03): 189-194.

[23]羅文娟, 馬慧芳, 何清, 史忠植. 權衡熵和相關度的自動摘要技術研究[J]. 中文信息學報, 2011, 25 (05): 9-16.

[24]譚慶, 何清, 趙衛中, 史忠植. 基于進化規劃的FCMBP模糊聚類改進方法[J]. 系統工程理論與實踐, 2011, 31 (07): 1363-1371.

[25]趙衛中, 何清, 史忠植. 基于攝動的模糊聚類算法最優模糊等價矩陣相關性質分析[J]. 系統工程理論與實踐, 2010, 30 (07): 1238-1245.

[26]馬慧芳, 尹旻, 何清, 史忠植. 一種基于時序窗口的動態熱點話題提取模型[J]. 高技術通訊, 2010, 20 (06): 590-595.

[27]何清, 趙衛中, 史忠植. 分類超曲面算法復雜度研究[J]. 計算機學報, 2010, 33 (04): 666-671.

[28]莊福振, 羅平, 何清, 史忠植. 基于混合正則化的無標簽領域的歸納遷移學習[J]. 科學通報, 2009, 54 (11): 1618-1626.

[29]楊來, 何清, 許立達, 史忠植. Dynamic Hash TRIE算法的研究與分析[J]. 廣西師范大學學報(自然科學版), 2008, (01): 134-138.

[30]何清, 史忠植. 基于超曲面的分類算法研究進展[J]. 智能系統學報, 2007, (06): 1-7.

[31]何清, 史忠植. 基于覆蓋的分類算法研究進展[J]. 計算機學報, 2007, (08): 1235-1243+1202.

[32]郝繼升, 何清, 史忠植. 基于B-樣條網絡的復雜主曲線建模[J]. 計算機工程, 2007, (12): 283-285.

[33]羅杰文, 施智平, 何清, 史忠植. 一種CBR與RBR相結合的快速預案生成系統[J]. 計算機研究與發展, 2007, (04): 660-666.

[34]郝繼升, 何清, 史忠植. 基于B-樣條網絡的主曲線建模[J]. 計算機工程與應用, 2007, (01): 35-37.

[35]李嘉佑, 賈自艷, 何清, 史忠植. 基于Web挖掘的網頁清洗技術[J]. 計算機工程與應用, 2006, (25): 98-101.

[36]何建兵, 何清, 史忠植. 噪聲消除與SMO算法收斂性[J]. 計算機工程與應用, 2006, (24): 160-163.

[37]何建兵, 何清, 史忠植. 基于SMO的多層次文本分類法研究[J]. 計算機工程與應用, 2006, (13): 152-154+167.

[38]李嘉佑,何清,史忠植. 機器學習與網絡信息處理[J]. 計算機工程與應用, 2004, (33): 189-191.

[39]李仰耀,張國清,何清,韋衛. 一種自適應的新型網絡性能預警系統[J]. 計算機應用, 2004, (07): 82-84.

[40]賈自艷 ,何清 ,張海俊 ,李嘉佑 ,史忠植. 一種基于動態進化模型的事件探測和追蹤算法[J]. 計算機研究與發展, 2004, (07): 1273-1280.

[41]何清,史忠植,任力安. 基于超曲面的多類分類方法[J]. 系統工程理論與實踐, 2003, (03): 92-99.

[42]何清,任力安,史忠植. 基于超曲面的海量數據直接分類方法[J]. 計算機學報, 2003, (02): 206-211.

[43]任力安,何清,史忠植. HSC分類法及其在海量數據分類中的應用[J]. 電子學報, 2002, (12): 1870-1872.

[44]任力安, 何清, 史忠植. 分類超曲面方法在海量數據分類中的應用[J]. 計算機科學, 2002, (09): 33-35.

[45]李輝,史忠植,何清,許卓群. 基于支撐向量置換核函數的一種領域知識與模型融合的技術[J]. 計算機學報, 2002, (08): 860-868.

[46]任力安,何清,史忠植. 一種新的海量數據分類方法[J]. 計算機工程與應用, 2002, (14): 58-60.

[47]傅偉鵬, 何清, 貿自艷, 史忠植. 多篇摘要的自動生成算法[J]. 計算機科學, 2002, (05): 85-88.

[48]傅偉鵬,吳斌,何清,史忠植. 一種概念空間自生成方法[J]. 計算機工程與應用, 2002, (07): 63-65+88.

[49]李源, 鄭毅, 何清, 史忠植. 基于概念空間的文本語義索引[J]. 計算機科學, 2002, (01): 20-22.

[50]何清,徐樹富,王加銀,史忠植. FCMBP聚類法在語音識別和模糊控制中的應用[J]. 系統工程學報, 2001, (06): 430-437.

[51]李源,何清,史忠植. 基于概念語義空間的聯想檢索[J]. 北京科技大學學報, 2001, (06): 577-580.

[52]何清,王加銀,李洪興,史忠植. 論域的模糊劃分與仿真數據采集[J]. 模糊系統與數學, 2001, (03): 19-24.

參與組織的國際會議：

1、ICIIP 2004 INTERNATIONAL CONFERENCE ON INTELLIGENT INFORMATION PROCESSING

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

 合作情況:   

項目協作單位

美國Rutgers, the State University of New Jersey

俄羅斯圣彼得堡信息與自動化研究所

澳大利亞悉尼技術大學

中國移動通信有限公司研究院

9月15日晚19點30分，中國科學院計算機技術研究所研究員、博士生導師何清博士在青山湖校區逸夫館報告廳作了一場以“大數據中的不確定性認知計算”主題的學術報告。報告還未開始，軟件學院全體大一新生便早早地來到逸夫館門口等候入場。

講座在軟件學院副院長胡軍的開場致辭中拉開帷幕。簡短的問候過后，何清教授便直入主題，向同學們解釋何謂大數據并通過大數據悖論來闡述大數據這一概念。讓大家對大數據有了一定的認識以后，何清教授又將話題繼續深入，繼而就大數據挖掘算法特征與挑戰、人工智能突破以及三大突破的技術基礎等話題侃侃而談。臺下的同學們認真地聽著何教授的報告，眼神里滿是對新知識的好奇與渴望。隨后，何清教授又從認識學習不確定性、認知代表樣本、認識學習的局限性和確定分布的非參數貝葉斯方法四個方面為現場的同學做了更深層的科普性介紹。其中，在提到Bagging和AdaBoost的局限性時，何清教授還特地用簡明易懂的語言耐心地向大家說明。在雷鳴般的掌聲中，此次報告會圓滿落下帷幕。

此次報告會不僅讓大一新生對大數據有了一定的了解及認識，同時也讓他們更快地進入學習狀態，為即將到來的學習生活奠定了良好的基礎。 

來源：南昌大學科技處、軟件學院 2015/9/22

近日，由中國人工智能學會與中國計算機學會聯合主辦，中國人工智能學會知識工程與分布智能專業委員會和中國計算機學會人工智能與模式識別專業委員會聯合協辦，山東科技大學信息科學與工程學院承辦的第五屆全國智能信息處理學術會議在山東科技大學召開。來自清華大學、北京大學等77所高校和研究機構的參會代表、特邀嘉賓共200余人參加會議。

8月6日，會議舉行開幕式，中國科學院數學與系統科學研究院數學研究所陸汝鈐院士，山東科技大學副校長周東華，中國人工智能學會知識工程與分布智能專業委員會主任委員、本次大會主席清華大學教授馬少平，中國人工智能學會知識工程與分布智能專業委員會秘書長、本次大會程序委員會主席、中國科學院計算技術研究所研究員何清，中國計算機學會人工智能與模式識別專業委員會副主任委員兼秘書長、北京交通大學教授于劍，山東科技大學科研處處長韓作振等出席開幕式并在主席臺就座，開幕式由山東科技大學信息學院院長梁永全主持。

周東華在開幕式上致辭，對會議的召開表示熱烈的祝賀，對各位專家、學者的到來表示誠摯的歡迎。他簡要介紹了學校的基本情況，他表示，學校將積極做好會議的各項組織、服務工作，努力為各位專家、學者搭建一個傳遞信息、交流經驗、增進友誼、共同提高的良好平臺。馬少平、何清分別致辭，預祝大會取得圓滿成功。

會議期間，中國科學院數學與系統科學研究院數學研究所陸汝鈐院士、中國科學院軟件研究所研究員孫樂、北京交通大學教授于劍、西北工業大學教授於志文、南京大學副教授黎銘分別作了題為《基于知識的廣域網計算編配》、《基于知識的智能問答系統》、《歸類問題研究》、《信息物理空間社會交互感知與理解》、《半監督軟件缺陷挖掘》的精彩報告。

本次會議按照專題設有6個分組，研究和討論的主要議題包括：數據挖掘與知識發現、生物信息處理、智能圖像處理、模式識別、自然語言理解、語音識別、智能控制、機器學習、智能計算等，來自國內人工智能和計算機領域的專家、學者進行了論文交流。

8月7日，會議舉行閉幕式，中國人工智能學會知識工程與分布智能專業委員會副主任委員梁吉業宣讀第五屆全國智能信息處理學術會議紀要，馬少平致閉幕辭。桂林電子科技大學教授文益民對2016年中國數據挖掘學術會議進行了介紹，河南師范大學教授徐久成對2017年第六屆全國智能信息處理學術會議進行了宣講。閉幕式由信息學院計算機系主任樊建聰主持。

本次會議共收到論文稿件288篇，經過程序委員會委員的通信評審和主任委員的會審，最后會議錄用論文199篇。該會議每兩年舉辦一次，現已成為國內智能信息處理領域主要的學術活動之一，為智能信息處理相關領域的學者交流最新研究成果、進行廣泛的學術討論提供了便利。

來源：山東科技大學 2015-08-14 

2013年7月3日下午，中國科學院計算技術研究所研究員、博士生導師、云計算領域頂尖專家何清博士到訪云創，公司cStor研發部負責人袁高峰等熱情接待了何清博士。云創對于何清博士并不陌生，早在去年11月2日，作為云創數據立方云計算一體機新產品發布會特邀嘉賓，何清博士就現場見證了全球首款云處理服務器億條記錄秒級響應的魅力。此次到訪，何清博士欣喜地看到云創存儲一直保持著快速發展的勢頭，在云計算領域踐行著自己的理想，并自主研發出了更加先進的技術和產品。接待結束后，何清博士對云創寄予了厚望，并表示期待著看到云創存儲不斷壯大，在云計算領域創造出更輝煌的業績。

何清，中國科學院計算技術研究所研究員，博士生導師，中國計算機學會高級會員，人工智能與模式識別專業委員會委員，中國電子學會云計算專家委員會委員，中國人工智能學會副秘書長，常務理事，知識工程與分布智能專業委員會秘書長，機器學習專業委員會常務委員。何清提出了基于超曲面的覆蓋學習算法、極小樣本集抽樣方法與相關理論、基于進化規劃的基于攝動的模糊聚類改進算法，解決了模糊聚類失真問題、證明了模糊集擴展原理在范疇論意義下的合理性、概念語義空間用于知識管理、提出一種新型信息熵用于分類、提出基于粒度的多層次決策方法、組織開發了國內最早的基于云計算平臺Hadoop的并行數據挖掘系統，組織并完成了多項國家重點項目。

來源：云創大數據 2013-7-3

中科院計算技術研究所何清：物聯網中的數據挖掘云服務

2011年最受矚目的IT業界盛會——第三屆中國云計算大會于2011年5月18-20日在北京國家會議中心隆重舉行。本次大會由中國電子學會主辦，中國電子學會云計算專家委員會、中國云計算技術與產業聯盟承辦，CSDN網站、《程序員》雜志和電子工業出版社協辦。此次大會規模空前、群英薈萃、主題豐富、突出實戰并匯集全球視角。

在20日上午舉行的專題論壇一《云計算中心技術架構》中，中科院計算技術研究所研究員何清帶來了“物聯網中的數據挖掘云服務” 的精彩演講。

在演講中，他從四個方面分享了他的演講內容：物聯網現狀與挑戰、物聯網的重要一環、數據挖掘的新挑戰、數據挖掘服務方式。

物聯網現狀與挑戰

“國內比國外熱、政府比市場熱、教育比科研熱、應用比基礎熱、硬件比軟件熱、采集比處理熱”是他總結的當前物聯網的現狀。他認為重數據收集、輕數據挖掘與智能處理是物聯網所面臨的挑戰之一。只有突出智能服務的特征，才能建立起一個巨大的物聯網產業。

物聯網的重要一環

物聯網架構由感知層、傳輸層、信息處理層、決策控制層組成。數據挖掘是決策支持和過程控制的重要技術支撐手段。同時他列出了物聯網的兩種計算模式：云計算模式和物計算模式。

物聯網的云計算模式是通過分布式的架構采集數據，然后集中進行信息處理。此模式一般用于宏觀決策等信息處理的過程中，系統的智能主要體現在處理中心，即需要較強的集中計算能力和高帶寬，但終端設備比較簡單。

數據挖掘的新挑戰

物聯網數據挖掘所面臨的問題挑戰有下面幾個：

● 首先是并行分布式整體數據挖掘；

● 其次是實時高效局部數據處理；

● 再次是數據管理與質量控制；

● 最后是用于決策控制。

數據挖掘服務方式

何清表示數據挖掘云服務模式可以保證分布式并行數據挖掘，同時保證高效實施。下圖是數據挖掘云服務系統架構圖：

來源：CSDN 2011-05-20

獲獎及榮譽：

1.PAKDD2018國際會議最有影響論文獎, 一等獎, 其他, 2018

2.吳文俊人工智能科學技術創新獎——大數據挖掘算法與云服務, 二等獎, 省級, 2015

3.北京市科學技術獎——主體網格智能平臺, 三等獎, 省級, 2006

 

1.何清：大數據挖掘領域的開拓者  

2.中國人工智能學會副秘書長何清：智能技術正向認知、推理階段推進 

當前，我們生活在一個信息爆炸的時代。每天，信息的洪流從四面八方涌入，影響和改變著人類生活的方方面面。但與此同時，人類從浩如煙海的信息中獲得有價值的信息變得非常困難。那么，究竟如何從海量信息中準確提取出有價值的信息，挖掘分析信息背后的關系，為我所用？這就涉及到一項蘊含巨大價值的核心技術——數據挖掘。

2015年11月，被譽為“中國智能科技最高獎”的吳文俊人工智能科學技術獎獲獎名單揭曉，何清以大數據挖掘算法與云服務方面的創新研究成果獲得了科學技術創新二等獎。作為中國人工智能學會副秘書長、中國電子學會云計算與大數據專家委員會委員、中國科學院計算技術研究所研究員，何清在數據挖掘領域孜孜耕耘十五年，堅持用自主創新引領行業發展之先，取得了累累碩果。

何清于2000年進入中科院計算所智能信息處理重點實驗室從事博士后研究工作。當時，我國在海量數據挖掘方面的成果還十分薄弱，而何清以科研工作者特有的敏感，意識到數據挖掘作為一種基于人工智能的決策支持過程，必將隨著人類社會信息量的爆炸式增長而發揮越來越重要的作用。他決心在這方面探索突破，以填補國內在該領域的空白。

“科研工作者的使命就是用專業知識預測發展方向，經過深入研究尋求突破，最終通過成果轉化引領行業發展、推動社會進步。”多年來，何清帶領著他的團隊，腳踏實地，一步一步地實現他的科研夢想，在人工智能領域留下了一項項沉甸甸的科研成果：何清團隊自主創新提出了基于超曲面的系列機器學習算法。在算法研究過程中逐步形成了極小樣本集理論，揭示了覆蓋類學習算法測試集分布必須與訓練集分布一致才能達到理想的學習效果，找出了影響分類準確率的內在原因，準確計算出與實驗結果一致的基于超曲面的分類算法準確率。他提出了一種并行的基于超曲面的適應任意分布的極小樣本集抽樣算法，帶領團隊開展一項極具特色的遷移學習研究，解決了領域遷移時如何很好地把學習到的模型遷移到新領域的問題。同時，他首次把極端學習機用于分類、聚類，并提出并行極端支持向量機算法，實現了高效并行的增量分類學習算法。在機器學習與數據挖掘算法研究基礎上，面向大數據注重單機時挖掘數據量大、并行效率高的算法的并行化，他提出了一系列大數據挖掘的算法。特別在頗具難度的聚類問題上，何清團隊提出了基于MapReduce的并行聚類算法的具體并行方法和詳細策略，相關論文很快被他人引用達300多次。

數十年來，何清承擔并圓滿完成國家重點基礎項目（973計劃）2項子課題，承擔完成的863項目3項獲得好評，承擔完成或參加完成的國家自然科學基金項目5項被評為優或特優，獲得北京市科學技術獎1項。截至目前，他的團隊在IEEETKDE、IEEETIT、KDD、CIKM、ICDM、AAAI、IJCAI等國內外重要刊物和會議上發表百余篇學術論文，其中SCI檢索論文45篇，CCF A類論文12篇，Google Scholar顯示課題組發表論文被國內外同行引用1831次，SCI他人引用188次。申請專利15項，授權11項，獲得軟件著作權14項。在專注科研的同時，他也為人工職能領域培養了大量優秀學生。他指導的學生獲得2013年中國人工智能學會優秀博士學位論文獎。

特別值得關注的是，早在2008年底，何清帶領他的機器學習與數據挖掘團隊，開發完成了國內最早的基于Hadoop的并行數據挖掘等系統PDMiner用于中國移動TB級實際數據挖掘，該系統完成3年后，國際上開源系統Mahout才啟動。此項創新使我國獲得了自主知識產權的基于云計算的數據挖掘技術，目前已推廣到電信、環保、物聯網、國家電網、信息安全、證券等領域的大數據挖掘，為企業帶來了可觀的經濟效益。其典型應用是通過采用他們的大數據挖掘技術，使得上海證券交易所在發現“老鼠倉”這些違規交易的工作中效率從過去的幾個小時縮短到分鐘級。何清也因此受邀在第二屆和第三屆第六屆中國云計算大會上作了技術報告，在技術上推動和引領了大數據挖掘技術在多個行業的應用。（劉堯）

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

 

中國人工智能學會副秘書長何清：智能技術正向認知、推理階段推進

2017年03月22日16:56 新華網

新華社北京３月２２日新媒體專電（記者陶一萍）隨著“互聯網＋”和國家大數據戰略深入推進，人工智能加速興起。近日，中國人工智能學會副秘書長何清接受新華社記者專訪時表示，新的技術浪潮到來后，智能技術向著認知階段、推理階段前進。

何清認為，人們不用擔心智能技術引起社會失業等問題。很多制造業領域，都經歷了“機器人取代人”的階段。比如，占用人力資源過多的體力勞動，可能會逐步被機器人取代。但是，技術革命的到來，不會對人的就業造成極大困難。“人可以創造智力工具，但機器人很難自己創造智力工具。”何清說，人類社會將產生更多、更新的崗位。同時，由于社會發展，如老齡化社會逐漸形成等，對崗位的需求反而會更多，對人工智能的企盼也越來越多。

談及人工智能未來的發展重點，何清說，從技術層面看，原來人們所處理的問題很多是確定的，所采用的手段往往都是流程化、自動化的。而新的技術浪潮來臨后，智能技術逐漸向“具備認知、推理能力”的階段演進，而這一階段最大的特征就是能處理不確定性環境下的問題，“但是現在的機器人，其認知和推理能力還遠遠不夠。”

關于人工智能技術在未來會產生什么影響，何清表示，前人已在各種作品當中進行了一些描述，實際上就是機械化、智能化大生產將逐步代替人工勞動的過程，許多人力將會被計算機、機器人所替代。

近年來，在人工智能領域涌現不少創客。何清認為，創客有“創業”和“創新”兩個概念。“創新應該時時都作為一種意識存在于大眾觀念之中。只有具備創新意識，才有可能產生新的想法和創業的沖動。”何清說。

 

在計算機信息技術飛速發展的今天，人們已經對計算機能夠完成人類給的各種指令，存取數據習以為常，但您知道嗎？計算機也可以“挖掘”發現數據背后的知識！

在大數據的時代環境下，計算機是可以智能到發現數據背后蘊藏的規律的，它能夠發現新的知識，創造新的價值，借助計算機讓數據自己說話。事實上，大數據挖掘已經上升到國家新型信息化產業的戰略高度。

在中國科學院計算技術研究所智能信息處理重點實驗室，有一支機器學習與數據挖掘團隊，它是國內開展機器學習與數據挖掘最早的團隊之一。自2000年，何清博士接過團隊接力棒以來，一直致力于這個方向的科研和開發工作。

何清，2000年進入中科院計算所智能信息處理重點實驗室從事博士后研究工作。一開始主要從事機器學習和數據挖掘算法的研究，研究提出了基于超曲面的一系列機器學習與數據挖掘算法。隨著研究的深入，他逐漸意識到數據挖掘作為一種基于人工智能的決策支持過程，必將隨著人類社會信息量的爆炸式增長而發揮越來越重要的作用，而我國在海量數據挖掘方面的成果當時還十分薄弱。作為一名科研工作者，他決心在這方面探索突破，以填補國內在該領域的空白。這成為他帶領機器學習與數據挖掘團隊不懈奮斗的最大動力。

“有志者，事竟成。”帶著這樣的志氣，何清帶領他的團隊成員奏響了一曲斗志昂揚、攻堅克難的奮斗強音：近年來，他們先后在國際重要SCI期刊發表論文32篇，頂級會議近20篇，EI收錄51篇。承擔并圓滿完成國家重點基礎項目（“973”計劃）3項；承擔完成的“863”項目3項獲得好評；承擔完成或參加完成的國家自然科學基金項目5項被評為優或特優。獲得北京市科學技術獎1項。課題組已經取得國家發明專利8項，軟件開發著作權8項。在模糊信息處理中的信息擴展和聚類問題的研究和基于超曲面的海量數據分類法（HSC）以及一套基于此的理論體系和算法方面均有創新性突破。目前團隊在研課題共有6項，均進展順利，特別是在多領域、多任務Web數據分析與挖掘、遷移學習分類問題上取得突破性進展。團隊在Web內容管理、分析和挖掘上走在國內研究同行的前列，現正致力于人口數據和信息安全數據的大數據分析挖掘，有望取得創新性成果。

團隊自2008年以來，一直堅持在并行數據挖掘領域開展系列研究，在這個方向也取得了國內領先的研究成果，相關成果發表在CloudCom09等領域內重要的國際期刊和會議中，其中并行K-Means算法論文單篇他引87次。在大數據時代，特別是在基于云計算的數據分析和挖掘是大數據分析的主流技術方面，何清及其團隊一直站在研究領域前沿，立志可以對大數據、云計算技術的應用起到引航作用。

值得一提的是，何清及其團隊一直十分重視科研成果的產業化。2008年底，他們研發的基于云計算的大數據挖掘系統PDMiner并實際用于中國移動TB級數據的挖掘，實現了高性能、低成本的并行數據挖掘。該系統為我國在該領域做出了開創性的貢獻。通過與中國移動研究院、國家電網等企業和單位的合作，致力將研究成果落地，實際應用在通信、軍隊、電力、環保、信息安全、互聯網、物聯網、智慧城市乃至更多的數據密集型行業被成功應用。近期他們希望借助商業的力量，將所擁有的研究成果更好更快地提供給社會，在為國家做出貢獻。 

來源：科學中國人 2013年第12期