实验室招生

  • 研究课题
  • 个性化推荐算法与系统

以提升推荐算法的准确性、可扩展性及保护推荐系统中的用户隐私与安全为目标,研究个性化推荐算法,包括基于循环神经网络的序列推荐算法、基于记忆网络的推荐算法集成框架、基于图神经网络的可扩展推荐算法、基于混合秩的矩阵分解算法、基于矩阵近似的协同过滤自适应学习率方法、评分数据噪声消解算法、有效保护隐私的基于项目的协同过滤算法等;研发了推荐系统工具包RSTK,实现和集成了多种类型的推荐算法,同时提供集成模块以供算法融合。

  • 高可用区块链系统关键技术

实验室与上海市软件技术服务中心和知名企业深度合作,开展区块链的研究工作,包括区块链应用架构设计、一致性维护技术、查询优化技术、数据供应链模型建模及数据溯源技术、面向企业级应用的区块链架构解决方案等,参与构建了基于区块链的私募股权管理平台、基于Docker的精简以太坊服务平台BaaS和面向以太坊容器化环境下的负载均衡模型。

  • 面向专业领域的文本挖掘方法

针对公共政策制定、公检法司案件协同办理等典型社会化协同场景,研究深度学习、迁移学习等机器学习方法与领域知识相结合的文本分类方法和关键要素挖掘方法,基于Google Bert、微软UniLM AI和TensorFlow等研发面向专业领域的开源文本处理框架。

  • 人机交互研究

本着以人为本的研究理念,实验室在进行算法与系统研究的同时,也积极开展人机交互方面的研究工作,包括用户研究、交互设计、用户体验评估等。尤其在结合定性定量的研究方法对用户协同行为分析、理解与解释方面开展了很多很有特色的工作,使用扎根理论等定性研究方法和统计模型、机器学习模型等定量研究方法,分析、理解和解释在线社区、社会媒体及线下典型社会化协同场景下的用户个体与群体行为,包括Stack Overflow中的协同编辑行为、GitHub中的冲突行为、跨社会媒体的交互行为、科学软件分享行为,以及协同技术在支持健康、环保、老人、残疾人等社会公益方面的工作。

  • 对学生的要求
  • 具有良好的统计或机器学习基础;
  • 熟悉Python、Java、C#编程语言中的一种或熟练掌握R、Stata、SAS等统计工具的使用;
  • 具有良好的英语听说读写能力;
  • 具备良好的沟通能力和自我驱动能力。
  • 联系方式

张鹏,pzhang14@fudan.edu.cn,18816511963。