唐杰：清华大学计算机系教授、AMiner创始人

唐杰：清华大学计算机系教授、AMiner创始人

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、认知图谱、数据挖掘、社交网络和机器学习等领域的研究。他发表论文300余篇，获得多项重要学术奖项，包括ACM SIGKDD Test-of-Time Award（十年最佳论文奖）。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。

教育背景

2006年毕业于清华大学，获博士学位。曾在康奈尔大学、伊利诺伊大学香槟分校、南安普顿大学、香港中文大学、香港科技大学进行学术访问。

研究领域

• 人工智能
• 认知图谱
• 数据挖掘
• 社交网络
• 机器学习

研究概况

研究兴趣主要包括人工智能、数据挖掘、社交网络、机器学习以及知识图谱。主要创新性研究包括：

1. 社会影响力分析：提出基于话题的社会网络影响力模型，针对大规模社会网络进行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，为定量化、细粒度的网络影响力分析给出理论基础，部分解决了影响力最大传播模型的输入假设问题。

2. 社会网络用户行为建模：将社会网络的基础理论(结构平衡理论、两阶段传播理论、结构洞理论等) 融入概率因子图模型中对社会网络关系和强度进行定量描述，实现了社会网络关系挖掘的统一学习算法。

3. 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，并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。

4. 应用上述研究成果，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

1. Jie Tang, Jing Zhang, Limin Yao, JuanziLi, Li Zhang, and Zhong Su. ArnetMiner: Extraction and Mining of AcademicSocial Networks. In Proceedings of theFourteenth ACM SIGKDD International Conference on Knowledge Discovery and DataMining (KDD'08). (SIGKDDTest-of-Time Award, 十年最佳论文)
2. Zhengxiao Du, Yujie Qian, Xiao Liu, MingDing, Jiezhong Qiu, Zhilin Yang, and Jie Tang. GLM: General Language ModelPretraining with Autoregressive Blank Infilling. In Proceedings of the 60thAnnual Meeting of the Association of Computational Linguistics (ACL'22). （预训练模型）
3. Xiao Liu, Kaixuan Ji, Yicheng Fu, WengLam Tam, Zhengxiao Du, Zhilin Yang, and Jie Tang. P-Tuning v2: Prompt TuningCan Be Comparable to Fine-tuning Across Scales and Tasks. In Proceedings of the60th Annual Meeting of the Association of Computational Linguistics (ACL'22). （预训练模型的P-tuning提示微调算法）
4. Xu Zou, Da Yin, Qingyang Zhong, HongxiaYang, Zhilin Yang, and Jie Tang. Controllable Generation from Pre-trainedLanguage Models via Inverse Prompting. In Proceedings of the Twenty-Seventh ACMSIGKDD International Conference on Knowledge Discovery and Data Mining(KDD'21). （预训练模型的可控生成算法）
5. Ming Ding, Zhuoyi Yang, Wenyi Hong,Wendi Zheng, Chang Zhou, Da Yin, Junyang Lin, Xu Zou, Zhou Shao, Hongxia Yang,and Jie Tang. CogView: Mastering Text-to-Image Generation via Transformers. InProceedings of the Thirty-Fifth Annual Conference on Neural InformationProcessing Systems (NeurIPS'21). （多模态的预训练模型）
6. Jialin Zhao, Yuxiao Dong, Ming Ding,Evgeny Kharlamov, and Jie Tang. Adaptive Diffusion in Graph Neural Networks. InProceedings of the Thirty-Fifth Annual Conference on Neural InformationProcessing Systems (NeurIPS'21). （图神经网络）
7. Xiao Liu, Fanjin Zhang, Zhenyu Hou, LiMian, Zhaoyu Wang, Jing Zhang, and Jie Tang. Self-supervised Learning:Generative or Contrastive. IEEE Transaction on Knowledge and Data Engineering(TKDE), 2021. （自监督学习）
8. Jiezhong Qiu, Qibin Chen, Yuxiao Dong,Jing Zhang, Hongxia Yang, Ming Ding, Kuansan Wang, and Jie Tang. GCC: GraphContrastive Coding for Graph Neural Network Pre-Training. In Proceedings of theTwenty-Sixth ACM SIGKDD International Conference on Knowledge Discovery andData Mining (KDD'20). （基于自监督学习的图神经网络预训练模型）
9. Wenzheng Feng, Jie Zhang, Yuxiao Dong,Yu Han, Huanbo Luan, Qian Xu, Qiang Yang, Evgeny Kharlamov, and Jie Tang. GraphRandom Neural Networks for Semi-Supervised Learning on Graphs. In Proceedingsof the Thirty-Forth Annual Conference on Neural Information Processing Systems(NeurIPS'20). （随机图神经网络）
10. Ming Ding, Chang Zhou, Qibin Chen,Hongxia Yang, and Jie Tang. Cognitive Graph for Multi-Hop Reading Comprehensionat Scale. In Proceedings of the 57th Annual Meeting of the Association ofComputational Linguistics (ACL'19). （面相多跳问答的认知图谱）
11. Fanjin Zhang, Xiao Liu, Jie Tang, YuxiaoDong, Peiran Yao, Jie Zhang, Xiaotao Gu, Yan Wang, Bin Shao, Rui Li, andKuansan Wang. OAG: Toward Linking Large-scale Heterogeneous Entity Graphs. InProceedings of the Twenty-Fifth ACM SIGKDD International Conference onKnowledge Discovery and Data Mining (KDD'19). （AMiner的超大规模开放学术图谱）
12. Yukuo Cen, Xu Zou, Jianwei Zhang,Hongxia Yang, Jingren Zhou and Jie Tang. Representation Learning for AttributedMultiplex Heterogeneous Network. In Proceedings of the Twenty-Fifth ACM SIGKDDInternational Conference on Knowledge Discovery and Data Mining (KDD'19). （异构图的表示学习）
13. Jiezhong Qiu, Jian Tang, Hao Ma, YuxiaoDong, Kuansan Wang, and Jie Tang. DeepInf: Social Influence Prediction withDeep Learning. In Proceedings of the Twenty-Fourth ACM SIGKDD InternationalConference on Knowledge Discovery and Data Mining (KDD'18). （基于深度学习的社会影响力预测）
14. Jiezhong Qiu, Yuxiao Dong, Hao Ma, JianLi, Kuansan Wang, and Jie Tang. Network Embedding as Matrix Factorization:Unifying DeepWalk, LINE, PTE, and node2vec. In Proceedings of the Eleventh ACMInternational Conference on Web Search and Data Mining (WSDM’18). （网络表示学习的统一理论证明）
15. Jie Tang and Wendy Hall. Cross-domainRanking via Latent Space Learning. In Proceedings of the 31st AAAI Conferenceon Artificial Intelligence (AAAI'17). （基于隐空间的跨域排序算法）
16. Jie Tang, Sen Wu, and Jimeng Sun.Confluence: Conformity Influence in Large Social Networks. In Proceedings ofthe Ninteenth ACM SIGKDD International Conference on Knowledge Discovery andData Mining (KDD'13).（大规模网络的从众分析）
17. Jie Tang, Sen Wu, Jimeng Sun, and HangSu. Cross-domain Collaboration Recommendation. In Proceedings of the EighteenthACM SIGKDD International Conference on Knowledge Discovery and Data Mining(KDD'12). (Best Poster Award) （跨域推荐算法）
18. Jie Tang, Tiancheng Lou, and JonKleinberg. Inferring Social Ties across Heterogeneous Networks. In Proceedingsof the Fifth ACM International Conference on Web Search and Data Mining (WSDM’12).（社交关系推断算法）
19. Chenhao Tan, Lillian Lee, Jie Tang, LongJiang, Ming Zhou, and Ping Li. User-level sentiment analysis incorporatingsocial networks. In Proceedings of the Seventeenth ACM SIGKDD International Conference onKnowledge Discovery and Data Mining (KDD'11)
20. Jie Tang, Jimeng Sun, Chi Wang, and ZiYang. Social Influence Analysis in Large-scale Networks. In Proceedings of the FifteenthACM SIGKDD International Conference on Knowledge Discovery and Data Mining (KDD'09). （社会影响力分析）

荣誉奖励

• 2023 北京市先进科技工作者
• 2023 第5届“科学探索奖”
• 2021 ACM Fellow
• 2021 IEEE Fellow
• 2021 北京市发明专利一等奖
• 2020 国家科技进步二等奖
• 2020王选杰出青年学者
• 2020 SIGKDD 时间检验与应用科学
• 2018 ACM SIGKDD 杰出服务奖
• 2017 北京市科技进步一等奖
• 2015 牛顿高级学者
• 2013 中国人工智能学会科技进步一等奖
• 2012 CCF青年科学家奖
• 2011 北京市科技新星

主要学术兼职

• IEEE Transactions on Big Data主编
• AIOPEN Journal创刊主编
• 第三十二届国际万维网会议 (32th the Web Conference, WWW2023)大会主席
• 第三十届国际万维网会议 (30th the Web Conference, WWW2021) 程序委员会主席
• 第二十五届国际计算机协会信息和知识管理大会(25th ACM International Conference on Information and KnowledgeManagement, CIKM 2016) 程序委员会主席
• 第八届网络搜索和数据挖掘国际会议(8th ACM International Conference on Web Search and DataMining, WSDM 2015) 程序委员会主席
• 国际计算机协会（ACM）中国理事会副主席
• 中国中文信息学会常务理事
• 中国计算机学会学术工委主任（2019-今）
• 中国计算机学会YOCSEF主席（2018-2019）
• 2023CCF会士
• 2024年3月，北京市人工智能战略咨询专家委员会委员