Image About Me
郭贵冰,博士,副教授,东北大学软件学院引进人才
  • 邮  箱:guogb@swc.neu.edu.cn
  • 电  话:+86-024-83683332
  • 主  页:http://www.luckymoon.me
  • 地  址:辽宁省沈阳市浑南区创新路195号东北大学浑南校区信息楼B444室, 110169
个人简介

2015年11月,以引进人才的方式加入东北大学软件学院,任职副教授。师从新加坡南洋理工大学(NTU)的Assoc. Prof. Jie ZhangProf. Daniel Thalmann,2015年7月获得博士学位;2015年1~10月,在新加坡管理大学(SMU)朱飞达教授的实验室担任研究员。

中国计算机学会会员。作为大会主席策划举办了EdRecSys 2016、IFUP 2016、IFUP 2018 国际研讨会;作为客座编辑协助组织国际期刊ECRA的特刊《Special Issue on Recommender Systems with Side Information》;受邀成为多个重要国际学术会议的程序委员会委员,包括AAAI、WI、RecSys、IJCAI等;受邀成为多个重要国际学术会议和期刊的审稿人,包括AAAI、WWW、RecSys、TKDE、KAIS、KBS、ECRA、WIAS等。

研究兴趣包括 推荐系统、深度学习、社会计算、大数据与数据挖掘。当前的研究重点是面向大数据的深度协同推荐算法,融合文本、图像、音频、视频等多模态信息的新型推荐系统。在相关研究领域已发表40余篇国际学术会议和期刊文章,Google学术H-index:12,总引用:600+次 (Google学术页面论文引用详情)。推荐系统是现代Web应用的核心技术之一,通过对大数据的用户偏好行为进行分析和建模,学习出目标用户的偏好模式,从而给出精准的个性化物品推荐。常见的推荐方式包括“买过...的还买过...”,“看过...的还看过...”等,涵盖的领域包括电影、音乐、新闻、商品、旅游、教育等,应用范围非常广泛,是大数据时代最典型的应用之一。

设计开发了开源Java推荐工具库 LibRec,在开源代码仓库GitHub的推荐系统领域中排名前列。LibRec 旨在成为推荐系统领域算法覆盖最全、影响最大的工具库,推动推荐系统的发展和应用。2016年1月,LibRec核心开发团队正式成立。到目前为止,共有14位成员参与开发,包括3名有多年研发经验的IT公司研发经理和职员,3名海外博士,5名国内博士,3名硕士研究生【查看团队成员详情】。

研究兴趣
  • 推荐系统
  • 深度学习
  • 社会计算
  • 大数据与数据挖掘

扫码加微信

LibRec
研究课题

基本概况

课题组现有本科生、硕士研究生和外国留学生等十余人,计划每年招收3~5名硕士研究生、1名外国留学生。课题组与新加坡南洋理工大学(NTU)、新加坡管理大学(SMU)有密切联系,表现突出的同学有机会被推荐到新加坡交换学习,进一步深造。 News >>

  • 研究生培养模式:合作导师制。
    • 为每个有潜力的研究生,邀请一位学术经验丰富的合作者作为副导师。
    • 学生、导师、副导师就共同感兴趣的研究课题进行深度合作。
    • 副导师包括国内外高校的高年级博士、博士后和教授等。
    • 学生要求:真诚、勤奋;英语、数学、编程能力强。
  • 科研论文列表
  • 课题组资源汇总

课题项目

  • 2018.1.1 - 2020.12.31,国家自然科学基金青年科学基金项目,61702084,项目负责人,25万元。
  • 2017.5.1 - 2019.4.30,辽宁省自然科学基金指导计划面上项目,20170540319,项目负责人,5万元。
  • 2017.1.1 - 2018.12.31,教育部基本科研业务费国家项目培育种子基金,N161704001,项目负责人,22万元。
  • 2016.6 - 2021.5,东北大学软件学院“青苹果”计划 - 优秀青年骨干教师培养计划,项目负责人,15万元。
学生 + 合作导师小组

目前,课题组与多位合作导师一起,对基于文本或图像的推荐模型展开深度研究。现有的合作小组如下:

孙亚童 + 陈博士(清华大学)
刘明瑞 + 陈博士(清华大学)
欧阳世昌 + 原博士(英国Glasgow)
翟松林 + 原博士(英国Glasgow)
孟    媛 + 张博士(UMass Amherst)
屈石林/赵伦 + 姚教授(南京大学)
罗海华 + 张教授(深圳大学)

课题组对外合作持开放和赞赏态度,欢迎更多有意向的导师与我们联系,一起指导学生做科学研究。

合作方向:基于文本、图像、社交等多源异构信息的数据挖掘研究。

开源项目

基本概况

是领先的推荐系统开源算法库,实现了70余个推荐算法,可解决评分预测和物品推荐两大关键问题。该开源库在GitHub的推荐系统领域排名第一,获得了大家的广泛认可和支持。当前的发展方向是支持大数据的工业应用。

核心团队

  • Core 模块增强:负责推荐算法的代码实现、并行学习、增量更新,以及融合多个推荐算法的集成模型。
  • Spark 模块开发:负责LibRec-Spark的通信桥接、基于Spark的高级推荐算法实现、工业级的扩展应用等。
  • Neuron 模块开发:负责LibRec-DL4J的通信桥接、基于深度学习的推荐算法实现、功能扩展等。
  • 推广宣传:负责微信、微博、知乎等公众平台的帐号运营、各论坛的推广宣传等。

加入我们

  • 投递个人简历到 guogb@swc.neu.edu.cn
  • 通知面试
  • 加入团队
公众平台

微博【LibRec智能推荐】

微信【aiLibRec】

LibRec