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、IJCAI、SIGIR、WI、RecSys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、SIGIR、RecSys、TKDE、KAIS、KBS、ECRA、WIAS等。

研究兴趣包括 智能推荐、深度学习、自然语言处理、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、社交、知识图谱等多模态信息的新型推荐系统。在相关研究领域已发50余篇国际学术会议和期刊文章,Google学术H-index:14,总引用:1100+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】。

荣誉获奖
  • 2018.9.28,辽宁省自然科学学术成果奖,学术论文类三等奖。
  • 2017.9.19,辽宁省自然科学学术成果奖,学术论文类三等奖。
  • 2017.7.28,沈阳市自然科学学术成果奖,学术论文类二等奖。
  • 2016,Best Student Paper Award,IEEE International Conference on Tools with Artificial Intelligence。

扫码加微信

LibRec

学术科研与应用


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二十余人,计划每年招收3~5名硕士研究生、1名外国留学生、多名本科生。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。

  • 研究生培养模式:合作导师制
    • 为每个有潜力的研究生,邀请一位经验丰富的学者作为合作导师。
    • 为每个有潜力的研究生,搭配一位高年级的本科生进行结伴研究。
    • 学生、导师、合作导师就共同感兴趣的研究课题进行深度合作。
    • 合作导师:国内外著名高校博士、博士后、教授及企业老师等。
    • 学生要求:真诚、勤奋;英语(CET-6)、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,基于多维辅助反馈的数据生成和物品推荐机理研究,61702084,项目负责人,25万元。
  • 2018.9.1 - 2019.5.31,京东AI研究院“京东葡萄树--学者计划”,基于知识图谱和图嵌入技术的推荐技术研究,项目负责人。
  • 2018.5.1 - 2018.12.31,东北大学一流大学建设 - 创新研究群体培育项目,岩体损伤过程的大数据表征及灾害预警云平台建设,项目执行人,30万元。
  • 2017.9.1 - 2018.8.31,华为HIRP OPEN 2017基金项目,基于深度学习和生成式对抗神经网络技术的推荐系统模型,项目负责人,20万元。
  • 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、图像、社交等多源异构信息的智能推荐模型展开深度合作研究。现有的合作小组如下(学生 + 合作导师):

研二学生:
孙亚童、欧阳世昌 + 何晓东博士(IEEE Fellow、京东)
翟松林 + 原博士(原英国Glasgow,现入职腾讯)
孟媛、李彦杰 + 张教授(美国Rutgers)
屈石林、赵伦 + 姚教授(南京大学)
罗海华 + 张教授(深圳大学)
刘石玉、余娟、刘琳 + 姚教授(澳洲UNSW)

研一学生:
周馨 + 孙博士(新加坡 NTU)
田胜、李一飞 + 阴教授(澳大利亚UQ)
杨恩能 + 沈博士(腾讯)
周欢、王卓航 + 沈博士(腾讯)
丁蕊、刘雨晴 + 杨教授(东大)

本科学生:
陈柏维、徐啸 + 陈博士(清华)、刘、董经理(华为)
舒意恒、张丹宁 + 方教授(上海财经)
崔士磊、丁坤博 + 杨教授(中科院深圳)
张岩森、刘星星 + 王教授(中山大学)
开源项目:LibRec,A Leading Java Library for Recommender Systems

基本概况

是领先的推荐系统开源算法库,实现了90+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

微信社区群

LibRec社区(500人满员)、LibRec社区B(120人、尚未满员)。如何加入:公众号后台输入“社区群”。

微信公众号:LibRec智能推荐【aiLibRec】

LibRec

教学课程与项目


课程:推荐系统导论

课程简介

推荐系统通过分析用户对一系列事物的历史偏好来发现其行为模式,然后从一些尚未经历过的物品中推荐一些感兴趣的物品。课程的主要内容包括:(1)基于内容的过滤算法;(2)基于用户反馈的协同过滤算法;(3)基于数据降维的隐式因子模型;(4)推荐系统的分析和评估;(5)推荐系统开源库 LibRec 及其应用。

课程内容

TBD

课程:自然语言处理

课程简介

本课程介绍自然语言处理的主要研究内容及关键技术,以及相关的研究成果。课程的主要内容包括:(1)数学基础,如贝叶斯模型、n元语法模型和 HMM模型等;(2)语言学基础,介绍有关词法和语法等方面的知识,包括词语搭配、语义消歧、句法分析等;(3)具体应用,如文本分类和聚类、信息检索、机器翻译等。

课程内容

TBD

Python 项目:IdeaMan,“谋士”,A General Framework for Idea Management

项目简介

本项目旨在构建学术领域的通用管理框架,研究的主要内容有:(1)(由关键词定义的)特定研究领域的进展跟踪和内容推荐,如社交关注和论文发表;(2)学术作者的论文检索和影响计算,如作者关系图谱、领域影响力、文献管理等;(3)学术事件的及时跟进和个性推荐,如国际会议的举办、学术报告的推荐等。

团队组成

团队成立于2018年9月,目前由 4 名本科学生组成:1 名大四学生、3 名大二学生。

项目进展

主要编程语言是Python,已经完成或正在进行的内容有:(1)通过在Tweet、Arxiv、Reddit等多源信息渠道上抓取数据,完成了数据的相关性过滤、内容的领域分析、文档的简略摘要等,研究成果应用于【LibRec智能推荐】微信公众号的【LibRec精选】档目。(2)PDF格式的论文内容分析:论文的作者、院校、邮箱信息的抓取、论文缩略图的生成、论文关键词(短语)的抽取等;(3)学术作者的影响力分析:作者关系图的构建和展示、多ID作者的识别等。

Java 项目:LibDL,A Java Library for Deep Learning

项目简介

本项目旨在构建一个通用的基于Java语言的深度学习模架。深度学习已经成为业界热门的主题词,其业务应用已经从语音识别、计算机视觉扩展到自然语言处理等诸多领域。同时,也涌现了不少颇具影响力的深度学习框架,如Tensorflow、PyTorch等。但是,基于Java语言的深度学习框架相对较少,而业界也有相当的业务需求。

团队组成

团队成立于2018年11月,目前由10名本科学生组成:3 名大四学生、7 名大三学生。

项目进展

主要编程语言是Java,已经完成或正在进行的内容有:(1)开源框架TensorFlow、DL4J的层级结构和功能结构分析;(2)LibDL框架的顶层设计、功能模块划分、设计模式、未来支持等的讨论和分析;(3)部分代码开发和重构等。

学术交流与访问