唐杰：清华大学教授、AMiner创始人

创作时间:

作者:

@小白创作中心

唐杰：清华大学教授、AMiner创始人

引用

来源

https://www.jili20.com/article/1780269235385708546

唐杰教授是清华大学计算机系教授，ACM Fellow、IEEE Fellow，主要从事人工智能、数据挖掘、社交网络、机器学习等领域的研究。他主持研发了超大规模预训练模型“悟道”，参数规模超过1.75万亿，并创建了研究者社会网络挖掘系统AMiner，吸引全球220个国家/地区2000多万用户。

唐杰教授，ACM Fellow、IEEE Fellow，现任清华大学计算机系教授。他在人工智能、认知图谱、数据挖掘、社交网络和机器学习等领域取得了显著成就。唐杰教授已发表论文300余篇，其中包括获得ACM SIGKDD Test-of-Time Award（十年最佳论文）的杰出成果。他主持研发的超大规模预训练模型“悟道”参数规模超过1.75万亿，之前还研发了研究者社会网络挖掘系统AMiner，吸引全球220个国家/地区2000多万用户。此外，他还担任多个重要学术职务，如IEEE T. on Big Data、AI OPEN主编以及WWW’23大会主席等。

教育背景

唐杰教授于2006年毕业于清华大学，获得博士学位。他曾在美国康奈尔大学、伊利诺伊大学香槟分校、英国南安普顿大学、香港中文大学、香港科技大学等多所知名学府进行学术访问。

研究领域

唐杰教授的主要研究领域包括：

人工智能
认知图谱
数据挖掘
社交网络
机器学习

研究概况

唐杰教授的研究兴趣主要集中在人工智能、数据挖掘、社交网络、机器学习以及知识图谱。他的主要创新性研究包括：

社会影响力分析：提出基于话题的社会网络影响力模型，实现了用户级别的微观建模，自动计算用户之间基于不同话题层次的影响力强度，为网络影响力分析提供了理论基础。
社会网络用户行为建模：将社会网络的基础理论融入概率因子图模型中，实现了社会网络关系挖掘的统一学习算法。
网络行为建模和影响力分析：提出了针对社会网络的微观动态分析方法，首次提出了社会影响力的量化分析方法，以及社会网络行为和社会影响力关联关系的分析方法。
AMiner系统研发：基于上述研究成果，研发了完全自主知识产权的科技情报大数据挖掘与服务平台AMiner。系统自2006年上线以来，吸引了来自全球220个国家/地区的1000多万次独立IP访问。

承担的主要课题

2019年1月-2023年12月，国家自然科学基金委杰出青年科学基金：知识发现与知识工程
2018年12月-2020年12月，北京市重点研发计划：中英常识知识图谱与推理引擎研究
2013年1月-2015年12月，国家自然科学基金委优秀青年科学基金：知识发现与知识工程
2009年1月-2010年12月，国家863计划：基于概率图模型的异构XML数据集成与检索

代表论著

唐杰教授在多个顶级学术会议上发表了重要论文，以下是部分代表作：

Jie Tang et al., "ArnetMiner: Extraction and Mining of Academic Social Networks," KDD'08 (获SIGKDD Test-of-Time Award)
Zhengxiao Du et al., "GLM: General Language Model Pretraining with Autoregressive Blank Infilling," ACL'22
Xiao Liu et al., "P-Tuning v2: Prompt Tuning Can Be Comparable to Fine-tuning Across Scales and Tasks," ACL'22
Xu Zou et al., "Controllable Generation from Pre-trained Language Models via Inverse Prompting," KDD'21
Ming Ding et al., "CogView: Mastering Text-to-Image Generation via Transformers," NeurIPS'21
Jialin Zhao et al., "Adaptive Diffusion in Graph Neural Networks," NeurIPS'21
Xiao Liu et al., "Self-supervised Learning: Generative or Contrastive," TKDE, 2021
Jiezhong Qiu et al., "GCC: Graph Contrastive Coding for Graph Neural Network Pre-Training," KDD'20
Wenzheng Feng et al., "Graph Random Neural Networks for Semi-Supervised Learning on Graphs," NeurIPS'20
Ming Ding et al., "Cognitive Graph for Multi-Hop Reading Comprehension at Scale," ACL'19
Fanjin Zhang et al., "OAG: Toward Linking Large-scale Heterogeneous Entity Graphs," KDD'19
Yukuo Cen et al., "Representation Learning for Attributed Multiplex Heterogeneous Network," KDD'19
Jiezhong Qiu et al., "DeepInf: Social Influence Prediction with Deep Learning," KDD'18
Jiezhong Qiu et al., "Network Embedding as Matrix Factorization: Unifying DeepWalk, LINE, PTE, and node2vec," WSDM’18
Jie Tang and Wendy Hall, "Cross-domain Ranking via Latent Space Learning," AAAI'17
Jie Tang et al., "Confluence: Conformity Influence in Large Social Networks," KDD'13
Jie Tang et al., "Cross-domain Collaboration Recommendation," KDD'12 (获最佳海报奖)
Jie Tang et al., "Inferring Social Ties across Heterogeneous Networks," WSDM’12
Chenhao Tan et al., "User-level sentiment analysis incorporating social networks," KDD'11
Jie Tang et al., "Social Influence Analysis in Large-scale Networks," KDD'09