景丽萍

博士、教授、副院长

基本信息

办公电话： 电子邮件： lpjing@bjtu.edu.cn
通讯地址：北京交通大学第九教学楼 邮编：100044

个人简介


景丽萍，博士，教授，博士生导师，北京交通大学计算机与信息技术学院副院长。北京市海淀区第十七届人大代表，中国计算机学会人工智能与模式识别专委会委员/秘书，中国人工智能学会机器学习专委会委员。2007年从香港大学应用数学系获博士学位、2014年破格晋升教授、2018年获得国家自然科学基金优秀青年基金、2022年获得北京市课程思政示范课程教学名师。主要研究方向为机器学习、高维数据表示及其在人工智能领域中的应用等。近年来在国内外重要学术期刊和会议上发表多篇高质量论文（包括顶级国际学术会议NeurIPS、CVPR、ICCV、WWW、ACL、ICLR、AAAI、IJCAI、ACM MM以及TPAMI、JMLR、IJCV、TKDE、TIP、TOIS等顶级期刊）。任北京交通大学计算机与信息技术学院本科生、研究生《机器学习》课程负责人、博士生《计算机科学前沿》课程负责人，先后获得北京交通大学“优秀教师”、“巾帼十杰”、“卓越百人”等荣誉称号。


教育背景

1996/09---2000/07 北方交通大学 计算机科学技术 学士/本科生
2000/09---2003/03 北京交通大学 计算机与信息技术 硕士/研究生
2003/09---2007/08 香港大学 理学院应用数学系  博士/研究生


工作经历

2007/09---2007/12  香港浸会大学 理学院应用数学系 博士后研究员
2008/01---2008/12  美国德州大学达拉斯分校 计算机科学系 博士后研究员
2009/07---2009/08  香港浸会大学 理学院应用数学系 访问学者
2010/07---2010/08  香港浸会大学 理学院应用数学系 访问学者
2011/06---2011/07  香港浸会大学 理学院应用数学系 访问学者
2009/03---2010/11  北京交通大学 计算机与信息技术学院 讲师
2010/12---2014/11  北京交通大学 计算机与信息技术学院 副教授
2014/12---至今         北京交通大学 计算机与信息技术学院 教授
2015/08---2016/08  美国加州大学伯克利分校 AMPLab & ICSI 访问学者

研究方向

  • 机器学习与认知计算
  • 人工智能及应用
  • 计算机技术
  • 软件工程
  • 人工智能
  • 网络与信息安全
  • 大数据技术与工程
  • 人工智能技术及应用（计算机学院导师组）

招生专业

  • 计算机科学与技术硕士
  • 计算机技术硕士
  • 软件工程硕士
  • 人工智能硕士
  • 网络与信息安全硕士
  • 大数据技术与工程硕士
  • 计算机科学与技术博士
  • 计算机技术博士
  • 人工智能博士

科研项目

部分代表性科研项目列表如下：

主持项目：

国家自然科学基金面上项目，因果驱动的稳定表示学习研究，2022.01-2025.12

国防创新项目， ****小样本学习，2021-2022

北京市自然科学基金-丰台轨道交通前沿研究联合基金，基于小样本机器学习的轨道交通列车运行障碍物识别方法研究，2021-2024
中国人工智能学会-华为MindSpore学术奖励，面向可解释的鲁棒深度学习关键问题研究，2021-2022
国防创新项目，融合***知识的****生成关键技术，2021-2024
航天科工集团，***发展路线智能分析系统，2020-2021
国家科技部科技创新2030 “新一代人工智能”重大项目子课题，面向视觉运动感知的神经科学启发的机器学习理论与方法，2020-2023
中科院计算所，基于国产智能芯片编程语言的细粒度目标识别应用开发及测试，2020-2023
国防预研项目，***小样本学习******研究，2020
国家自然科学基金优秀青年基金，高维数据表示， 2019.01-2021.12
北京市自然科学基金重点研究专题，弱监督学习理论研究，2019.01-2022.12
基本科研业务费：可解释性学习及其在交通领域中的应用研究，2019-2025
教育部“人工智能算法战略研究项目”课题，可解释深度生成模型研究，2019-2022
国家自然科学基金面上项目，融合多源信息的可解释推荐模型与方法研究，2018.01-2021.12
国防创新项目，******可解释深度学习关键问题研究，2018-2020
CCF-腾讯犀牛鸟科研基金项目: 融合多源信息的推荐模型构建与并行求解算法研究， 2015.10-2016.12
国家自然科学基金“面上”：面向高维数据挖掘的非负矩阵分解关键问题研究，2014-01--2017-12
国家自然科学基金"青年基金"：文本语义模型和子空间聚类研究，2010-01--2012-12

参加项目：
国家自然科学基金“数学天元基金”，统计优化与人工智能天元数学交流项目，2020-2020
中国民航信息网络股份有限公司， 面向民航业务系统运维的多重周期时间序列数据异常检测方法研究， 2019-2021
国家科技部重大专项，中医药大数据挖掘研究与创新应用，2018-2021
国家自然科学基金重点项目，面向认知的机器学习理论与算法，2017-2021

论文/期刊

近年来在国内外重要学术期刊和会议上发表多篇高质量论文（NeurIPS、AAAI、IJCAI、CVPR、ICCV、WWW、ACL、EMNLP、ICLR、ACM MM以及TPAMI、JMLR、IJCV、TKDE、TIP、TOIS等顶级期刊）


DBLP主页:
https://dblp.org/pid/54/2770.html

近年代表性期刊/会议论文（部分研究方向）：


1.高维表示学习：

研究团队在高维数据表示相关理论和关键技术进行了长期的研究，针对数据特征空间和标签空间高维生成特点，围绕高维数据有效性表示(去噪、多源融合、不完整信息填充等)，和海量标签学习(多标签学习、高效训练和快速预测算法等)展开系统研究，先后提出如下高维数据表示模型和方法：

* Mingyang Song, Yi Feng, Liping Jing, HISum: Hyperbolic Interaction Model for Extractive Multi-Document Summarization, WWW 2023 (CCF-A类会议).
* Pengyu Xu, Lin Xiao, Bing Liu, Sijin Lu, Liping Jing, Jian Yu. Label-Specific Feature Augmentation for Long-Tailed Multi-Label Text Classification. AAAI 2023, Accepted.（CCF-A类会议）
* Mingyang Song, Yi Feng, Liping Jing, A Survey on Recent Advances in Keyphrase Extraction from Pre-trained Language Models, EACL 2023 (自然语言处理旗舰会议).
* Mingyang Song, Yi Feng, Liping Jing, A Preliminary Exploration of Extractive Multi-Document Summarization in Hyperbolic Space, CIKM 2022 (CCF-B类会议).
* Mingyang Song, Yi Feng and Liping Jing, Hyperbolic relevance matching for neural keyphrase extraction, NAACL 2022.（CCF-B类会议，自然语言处理顶会）
* Lin Xiao, Xiangliang Zhang, Uchenna Akujuobi, Pengyu Xu, Liping Jing. Semi-supervised learning Multi-label classification Few-shot learning Graph neural network Label semantic. Information Sciences 2022. (CCF-B类期刊, SCI A1)
* Mingyang Song, Liping Jing, Lin Xiao. Importance Estimation from Multiple Perspectives for Keyphrase Extraction. EMNLP 2021.（CCF-B类会议，自然语言处理顶会）
* Tian, X., Jing, L., He, L., & Liu, F. . StereoRel: Relational Triple Extraction from a Stereoscopic Perspective. ACL 2021. （CCF-A类会议，自然语言处理顶会）
* Lin Xiao, Xiangliang Zhang, Liping Jing, Chi Huang, Mingyang Song. Does Head Label Help for Long-Tailed Multi-Label Text Classification. AAAI 2021（CCF-A类会议）
* Boli Chen, Yao Fu, Guangwei Xu, Pengjun Xie, Chuanqi Tan, Mosha Chen, Liping Jing. Probing BERT in Hyperbolic Spaces. ICLR 2021（机器学习顶会）
* Chen, B., Huang, X., Xiao, L., Cai, Z., Jing, L. Hyperbolic interaction model for hierarchical multi-label classification.  AAAI 2020.（CCF-A类会议）
* Chen, B., Huang, X., Xiao, L., Jing, L. Hyperbolic Capsule Networks for Multi-Label Classification. ACL 2020.（CCF-A类会议，自然语言处理顶会）
* Lin Xiao, Xin Huang, Chen Boli, Liping Jing. Label-Specific Document Representation for Multi-Label Text Classification. EMNLP 2019.（CCF-B类会议，自然语言处理顶会）
* Liping Jing, C. Shen, L. Yang, J. Yu, and M. Ng*, Multi-label classification by semi-supervised Singular value decomposition, IEEE Trans. on Image Processing, 26(10):4612-4625, 2017.（CCF-A类期刊，计算机视觉顶刊）
* Liping Jing, Liu. Yang, J. Yu, and M. Ng, Semi-supervised Low-Rank Mapping Learning for Multi-label Classification, CVPR 2015.（CCF-A类会议）
* 徐鹏宇,刘华锋,刘冰,景丽萍,于剑. 标签推荐方法研究综述,软件学报,2022.（CCF-A类中文期刊）

* 肖琳,陈博理,黄鑫,刘华锋,景丽萍,于剑.基于标签语义注意力的多标签文本分类. 软件学报. 2020(04).（CCF-A类中文期刊）   
* 宋攀,景丽萍.融合标签关系的网络多标签分类.计算机研究与发展. 2018, 55(8): 1751-1759.（CCF-A类中文期刊）   



2.弱监督学习：

研究团队针对如何使计算机能够像大脑一样将弱监督信息融合到一起，并挖掘其内在关系（相关性、因果性）这一挑战性问题，开展一系列弱监督数据有效表示和学习理论与方法研究。

* H. Liu, L. Jing. Amortized mixing coupling processes for clustering. The Thirty-Sixth Annual Conference on Neural Information Processing Systems (NeurIPS), 2022.（CCF-A类会议）

* Yilin LYU, Liping JING, Jiaqi WANG, Mingzhe GUO, Xinyue WANG & Jian YU，Siamese Transformer with Hierarchical Concept Embedding for Fine-Grained Image Recognition, SCIENCE CHINA Information Sciences, 2022.（CCF-A类期刊）

* Xin Liu, Kai-rui Zhou, Peng-bo Yang, Liping Jing, Jian Yu, Adaptive Distribution Calibration for Few-Shot Learning via Optimal Transport, Information Sciences 2022, Accepted (CCF-B类期刊, SCI A1)

*Xinyue Wang, Liping Jing, Yilin Lyu, Mingzhe Guo, Jiaqi Wang, Huafeng Liu, Jian Yu and Tieyong Zeng. Deep generative mixture model for robust imbalance classification, IEEE Trans. on Pattern Recognition and Machine Intelligence (PAMI), Accepted，2022 （CCF-A类期刊，人工智能领域）

*Mingzhe Guo , Zhipeng Zhang, Heng Fan, Liping Jing1,Yilin Lyu, Bing Li and Weiming Hu，Learning target-aware representation for visual tracking via informative interactions, IJCAI, 2022. （CCF-A类会议）

* Huafeng Liu, and Liping Jing. Deep amortized relational model with group-wise hierarchical generative process, AAAI 2022. （CCF-A类会议）

* Huafeng Liu, Jiaqi Wang and Liping Jing. Cluster-wise Hierarchical Generative Model for Deep Amortized Clustering. CVPR.2021.（CCF-A类会议）
* Xinyue Wang, Yilin Lyu, Liping Jing. Deep Generative Model for Robust Imbalance Classification, CVPR 2020.（CCF-A类会议）
* B. Liu, Liping Jing, J. Li, J. Yu, A. Gittens and M. Mahoney, Group collaborative representation for image set classification, International Journal of Computer Vision (IJCV), 127(2):181-206, 2019  （CCF-A类期刊，计算机视觉）
* Zixin Cai, Xinyue Wang, Mingjie Zhou, Jian Xu, Liping Jing. Supervised Class Distribution Learning for GANs-based Imbalanced Classification. ICDM 2019.（CCF-B类会议）
* Xinyue Wang, Bo Liu, Siyu Cao, Liping Jing, Jian Yu. Important Sampling Based Active Learning for Imbalance Classification. SCIENCE CHINA Information Sciences, 2020.（CCF-A类期刊）

3.多源数据学习：
研究团队以人类认知过程中感知、记忆和判断三个阶段为出发点，对多模态的类别知觉(对应于知觉阶段)、多模态的概念表征和识别(对应于记忆)和多模态的类别学习(对应于判断)的认知机理及其对应的神经基础进行了深入探索，开展一系列多模态认知学习理论和方法研究：

* M. Guo, Z. Pan, H. Fan, L. Jing. Divert more attention to vision-language tracking. Conference and Workshop on Neural Information Processing Systems (NeurIPS), 2022.（CCF-A类会议）

* Tian, X., Jing, L., Luo, F., & Zhang, S. Shyness Trait Recognition for Schoolchildren via Multi-View Features of Online Writing[J]. IEEE Transactions on Affective Computing. 2021.  (CCF-B类期刊，情感计算顶刊)

* Miaomiao Cheng, Liping Jing, Michael K. Ng, Robust Unsupervised Cross-Modal Hashing for Multimedia Retrieval, ACM Transactions on Information Systems,2020.（CCF-A类期刊，信息系统顶刊）
* Di Hu, Xuhong Li, Lichao Mou, Pu Jin, Dong Chen, Liping Jing, Xiaoxiang Zhu, Dejing Dou. Cross-Task Transfer for Geotagged Audiovisual Aerial Scene Recognition. ECCV (24) 2020: 68-84.（CCF-B类会议，计算机视觉）
* Liu Yang, Chenyang Shen, Qinghua Hu, Liping Jing, Yingbo Li.Adaptive Sample-Level Graph Combination for Partial Multiview Clustering. IEEE Trans. Image Process. 29: 2780-2794 (2020).（CCF-A类期刊，计算机视觉）
* Dong Deng, Liping Jing, Jian Yu, et al. Sentiment lexicon construction with hierarchical supervision topic model. IEEE/ACM Transactions on Audio, Speech and Language Processing, 2019, 27(4):704-718.（CCF-B类期刊，情感计算）
* Dong Deng, Liping Jing, Jian Yu, et al. Sparse Self-Attention LSTM for Sentiment Lexicon Construction. IEEE/ACM Transactions on Audio, Speech and Language Processing, 2019, 27(11):1777-1790.（ CCF-B类期刊，情感计算）
* M. Chen, Liping Jing, J. Yu and M. K. Ng, Tensor-based low-dimensional representation learning for multi-view clustering, IEEE Trans. on Image Processing, 28(5):2399-2414,2019.（CCF-A类期刊，计算机视觉）
* Liping Jing, B. Liu, J. Choi, A. Janin, J. Bernd, M. Mahoney and G. Friedland, DCAR: a discriminative and compact audio representation for audio processing, IEEE Transactions on Multimedia, 19(12): 2637-2650, 2017.（CCF-B类期刊，多媒体）

4.可解释学习：
机器学习尤其是深度学习已在很多实际应用领域(如计算机视觉、智能推荐等)中获得较高的准确率，然而在模型解释方面却没有改善。团队致力于安全(鲁棒性解释性)机器 学习智能应用，从深度学习特征定位和知识表达方面入手，构建可解释性深度学习基础理论，改善深度学习模型的解释性，在实际应用场景中有效提高使用安全性。
* Huafeng Liu, Liping Jing, Jingxuan We, Pengyu Xu, Jiaqi Wang,  Jian Yu, Michael K. Ng, Interpretable deep generative recommendation models, Journal of Machine Learning Research (JMLR), 2021 (CCF-A类期刊)
* Jiaqi Wang, Huafeng Liu, Xinyue Wang, Liping Jing. Interpretable Image Recognition by Constructing Transparent Embedding Space. IEEE/CVF International Conference on Computer Vision(ICCV), 2021.（CCF-A类会议,计算机视觉顶会）
* Huafeng Liu, Jingxuan Wen, Liping Jing, Jian Yu, Xiangliang Zhang. In2Rec: Influence-based Interpretable Recommendation. ACM CIKM 2019.（CCF-B类会议）

* 高畅，王家祺，景丽萍，于剑. 基于特征归因和泰勒展开引导重要度评价的梯度流剪枝.中国科学：信息科学.2021. (CCF-A类中文期刊)

* 杨礼吉, 王家祺，景丽萍，于剑.  基于张量计算的卷积神经网络语义表示学习. 计算机学报.2022. (CCF-A类中文期刊)



5.推荐系统：
推荐系统作为人工智能领域的一个重要产品，成为解决信息过载问题的必要工具，受到各行业的广泛关注。团队重点探究推荐数据多源、海量、动态等特点，充分利用多源数据协同性、动态挖掘用户和物品的显著特性，预期为用户提供高精度推荐结果和合理的推荐理由。
* Huafeng Liu, Liping Jing, Jingxuan We, Pengyu Xu, Jiaqi Wang,  Jian Yu, Michael K. Ng, Interpretable deep generative recommendation models, Journal of Machine Learning Research (JMLR), 2021 (CCF-A类期刊)
* Huafeng Liu, Liping Jing, and Jian Yu. Social recommendation with learning personal and social latent factors, IEEE Trans. Knowledge and Data Engineering (TKDE). 2021.（CCF-A类期刊）
* Huafeng Liu, Liping Jing, Jian Yu. Bayesian Additive Matrix Approximation for Social Recommendation. ACM Transactions on Knowledge Discovery from Data (TKDD), 2021. (CCF B类期刊).
* Huafeng Liu, Jingxuan Wen, Liping Jing, Jian Yu. Leveraging Implicit Social Structures for Recommendation via Bayesian Generative Model. China Science Information Science. 2020.（CCF-B类期刊）
* Huafeng Liu, Jingxuan Wen, Xiaoyi Sun, Zhicheng Wu, Jiaqi Wang, Liping Jing, Jian Yu. Deep Global and Local Generative Model for Recommendation. theWebConf (WWW), 2020 （CCF-A类会议）
* Huafeng Liu, Liping Jing, Yuhua Qian, and Jian Yu. Adaptive Local Low-rank Matrix Approximation for Recommendation. ACM Transactions on Information Systems. 2019.（CCF-A类期刊）
* Huafeng Liu, Jingxuan Wen, Liping Jing, Jian Yu, Xiangliang Zhang. In2Rec: Influence-based Interpretable Recommendation. ACM CIKM 2019.（CCF-B类会议）
* Huafeng Liu, Jingxuan Wen, Liping Jing, Jian Yu. Deep Generative Ranking for Personalized Recommendation. ACM RecSys, 2019.（推荐系统顶会）
* D. Deng, L. Jing and J. Yu. Neural Gaussian mixture model for review-based rating prediction. ACM RecSys, 2018.（推荐系统顶会）
* X. Du, H. Liu and L. Jing. Additive co-clustering with social influence for recommendation. ACM RecSys, 2017.（推荐系统顶会）   
* Liping Jing, P. Wang and L. Yang, Sparse Probabilistic Matrix Factorization by Laplace Distribution for Collaborative Filtering, Proc. of IJCAI, A, July. 2015.（CCF-A类会议）
* 景丽萍, 刘华锋. 面向个性化推荐的偏好多样性建模研究进展. 中国人工智能学会通讯, 2020, 第2期.
* 孙肖依, 刘华锋, 景丽萍, 于剑. 基于列表级排序的深度生成推荐方法[J].计算机研究与发展, 2020.（CCF-A类中文期刊）
* 刘华锋,景丽萍,于剑.融合社交信息的矩阵分解推荐方法研究综述. 软件学报，2018,29(2):340-362.（CCF-A类中文期刊）       


在读研究生（研究方向）

博士生：

2018级：

王家祺（可解释学习）      宋明阳（强化学习、自然语言处理）      刘鑫（小样本学习、协同指导）

2019级：

文静轩（图与推荐系统）      王翔（无监督学习）      徐鹏宇（多标签学习、协同指导）

2020级：

吕亿林（细粒度检测）      郭明哲（目标检测/跟踪）

2021级：

冯毅（自然语言处理、协同指导）      候景仁（知识驱动ML）


硕士生：

2019级：

沈启航（不均衡学习）      孙志巍（自然语言处理）      高畅（可解释驱动的压缩）      杨礼吉（可解释学习）

2020级：

方正伟（可解释驱动的对抗）      甄田歌（自然语言处理）      郝敬宇（图与推荐系统）      李凯（多标签学习）      周凯锐（小样本学习）      张将将（自然语言处理）

2021级：

王诗菁（目标检测/跟踪）      王晓宇（时间序列生成）      耿伟峰（无监督学习）      韦丹妮（智能控制）      杨瀚宇（安全对抗）

毕业研究生（毕业去向）

博士：

2022届：

肖琳（阿里高德）：长尾视角下的多标签文本分类问题研究

2021届：

王馨月（阿里高德）：生成式数据增强的不均衡数据分类方法研究

刘华锋（香港大学）：概率生成式用户偏好模式挖掘方法研究

2019届：

程苗苗（首都师范大学）：基于子空间的多视图学习理论和方法研究

邓东（荣耀终端有限公司）：情感词典构建方法及应用研究

2017届：

刘博（河北农业大学）：子空间学习及其在图像集分类中的应用研究

2016届：

杨柳（天津大学）：融合文本信息的图像分类和标注关键问题研究

2012届：

朱岩（中科院自动化所）：面向文本数据的半监督学习研究

2011届：

恽佳丽（IBM）：基于Wikipedia的文本表示模型及其在文本挖掘中的应用


硕士：

2021届：

才子昕（腾讯科技（北京）有限公司）      陈冬（腾讯科技(北京)有限公司）      黄鑫（字节跳动（北京））      

陈博理（阿里巴巴达摩院（杭州）科技有限公司）     吴直澄（快手）      韩佩瑶（铁科院）      孙肖依（转转）      

苏锦萍（泰康保险集团股份有限公司）     赵雨轩（招商银行股份有限公司北京分行）      刘亚茹（荣耀终端有限公司）

2020届：

孙秀坤（国防科技创新研究院）      冯相琨（国防科技创新研究院）      徐剑（自如信息科技有限公司）      

姚远（中国软件与技术服务股份有限公司）      闵称（北京大学）      赵慧（快手）      侯晓刚（北京易华录信息技术股份有限公司）

2019届：

周浩飞（百度）      李幸幸（百度）      于金彪（上海商汤智能科技有限公司）     宋攀（北方华创）

2018届：

读习习（北京市房山区人力社保局）      吴嘉琪（莫纳什大学）      李建宇（北京市轨道交通指挥中心）      陈培（许昌市检测中心）

2017届：

张晶 （中国邮政储蓄银行）      卢文凯（中信银行股份有限公司）

2015届：

高启航（Amazon）      田耕（快手）      王鹏（阿里云计算有限公司）      邹珊（山东胜软科技股份有限公司）      桂稳莉（温州银行）

2014届：

李谦（仙豆智能科技有限公司）

2012届：

田旷（中国船舶集团财务公司）

教学工作

本科生课程：
Spring 离散数学II 大一下学期 （2009-2018）

Fall 机器学习 计算机专业大三上学期（2018-）、人工智能专业大二上学期（2021-，64学时）

研究生课程：
Fall 机器学习 研一下学期（硕士，32学时）
Summar 深度学习 （硕博 2020-， 32学时）
Fall 计算机科学前沿 （博士，32学时）

专利

景丽萍，刘华锋. 一种自适应局部低秩矩阵近似推荐方法, 202010349545.9

获奖与荣誉

主要获奖与荣誉：

北京市课程思政示范课程教学名师 2021

北京市海淀区第十七届人大代表 2021

北京交通大学 “巾帼英雄” 2020
北京交通大学 “优秀教师” 2018
北京交通大学 “卓越百人” 2018
华为奖教金 2015
北京交通大学 破格晋升教授  2014
北京交通大学 青年英才I类计划 2014
詹天佑科技专项奖 2014
北京交通大学 握奇奖教金 2013
北京交通大学 优秀研究性教学训练载体 《离散数学》2012
北京交通大学 红果园双百人才D类计划 2010

社会兼职

中国计算机学会人工智能与模式识别专委会委员/秘书、中国人工智能学会机器学习专委会委员
国内期刊：计算机学报、软件学报、中国科学杂志审稿人

国际期刊与会议：IEEE TPAMI，TNNLS，IEEE TIP, IEEE TC, NIPS等审稿人


团队大事表