ACM 2020杰出会员公布,叶杰平、崔鹏上榜,华人学者占四成

刚刚,国际计算机学会(ACM)公布 2020 年杰出会员(ACM Distinguished Members)名单,共有 64 人获此荣誉,其中华人学者 26 名。

ACM 杰出会员必须具备至少 15 年专业经验和连续 5 年专业会员资格,并在计算领域取得了杰出成就或做出巨大贡献。今年一共有 64 名学者因其对计算机领域的杰出教育贡献、工程贡献或科学贡献获得此荣誉,其中华人学者 26 名,包括叶杰平、崔鹏等人。


ACM 2020 杰出会员来自澳大利亚、加拿大、中国、印度、英国、美国等国家和地区的顶尖大学、公司和研究机构。这些创新者在大量技术领域中作出了杰出贡献,包括数据科学、移动和普适计算人工智能、计算机科学教育、计算机工程、图形学、网络安全和网络。

以下是当选 ACM 2020 杰出会员的华人学者名单:


对计算机领域做出杰出工程贡献


何奇 LinkedIn 高级工程总监


何奇,LinkedIn 高级工程总监。研究方向包括人工智能数据挖掘机器学习信息检索以及知识图谱等领域。他是 ACM CIKM 会议组委会成员,IEEE Transactions on Knowledge and Data Engineering(TKDE)和 Neurocomputing Journal 的副主编。曾获 SIGKDD 最佳应用论文奖,并于今年获得 WSDM 十年时间检验奖。迄今为止,其论文被引用次数达到 5500+。

对计算机领域做出杰出科学贡献

姬水旺 德州农工大学计算机科学与工程系副教授


姬水旺,现任 Texas A&M University 计算机科学与工程系副教授,领导 DIVE Lab (Data Integration, Visualization, and Exploration) 。2010 年获得亚利桑那州立大学计算机科学博士学位,导师为叶杰平教授。

他的研究兴趣包括机器学习深度学习数据挖掘和计算生物学,于 2014 年获得美国国家科学基金会职业奖。目前,他担任 IEEE 影响因子最高期刊 TPAMI 和 ACM 旗舰期刊 ACM Computing Surveys 的 Associate Editor,并多次担任国际顶级会议领域主席,如 NeurIPS、ICLR、KDD、AAAI、IJCAI。其学术成果先后发表在 NIPS/NeurIPS、KDD 等国际顶级会议及期刊上,学术引用次数 10000+。


白帆,通用汽车研究与开发高级研究员


白帆,通用汽车研究与开发高级研究员,IEEE Fellow。他于 1999 年在清华大学自动化系获得学士学位,2005 年在南加州大学获得电子工程博士学位。其参与撰写的 90 多篇研究论文发表在顶级会议和期刊上,包括 INFOCOM、SECON、Mobicom、Mobihoc、Sensys 等。他目前的研究集中在设计和分析下一代车辆网络的协议 / 系统,用于安全、车载信息系统和信息娱乐应用。


李蕴瑶 IBM Almaden 研究中心高级研究经理、研究员


李蕴瑶,IBM Almaden 研究中心高级研究经理、研究员,负责管理可扩展知识智能部门。主要研究领域包括自然语言处理数据库人机交互信息检索的跨学科领域。她发表过 50 多篇同行评审高质量论文,申请了 30 多项专利。

李蕴瑶本科就读于清华大学,获得了自动化学士学位和经济学学士双学位,后在密歇根大学计算机科学与工程系取得硕士和博士学位。


Xue (Steve) Liu 麦吉尔大学计算机科学学院教授、三星 AI 中心(蒙特利尔)研发副总裁


Xue (Steve) Liu,麦吉尔大学计算机科学学院教授,三星 AI 中心(蒙特利尔)研发副总裁,IEEE Fellow。他的研究兴趣包括计算机与通信网络、实时和嵌入式系统、网络物理系统与物联网、绿色计算、智能能源技术。他在国际期刊和会议上发表学术研究 200 多篇,并获得多个最佳论文奖项。


刘燕 南加州大学副教授,机器学习中心主任


刘燕,南加州大学计算机科学系副教授,机器学习中心主任。研究兴趣包括机器学习数据挖掘,及其在生物学、气候科学、医疗和社交媒体中的应用。


马晓松 卡塔尔计算研究所首席科学家


马晓松 1997 年毕业于北京大学,2003 年在伊利诺伊大学香槟分校获得博士学位,现任卡塔尔计算研究所首席科学家,曾获 DOE 早期职业首席研究员奖和 NSF CAREER 奖。她的研究方向包括资源管理、图形处理、分布式 / 云计算、高性能存储系统等。


操龙兵 悉尼科技大学工程与信息技术学院教


操龙兵,中科院模式识别与智能系统博士、悉尼科技大学计算科学博士,现任悉尼科技大学工程与信息技术学院教授、悉尼科技大学高级分析研究所(Advanced Analytics Institute)的创所所长。他的研究领域主要包括数据科学与企业大数据分析、行为与社会信息学、智能体挖掘和人工智能与复杂智能系统等。

他领导的团队在大数据分析领域长期与诸多政府、大型企业、国际知名运营商等合作,涉及金融与资本市场,金融危机与跨市场,财政、社保、医保、税务、统计、审计等政府业务,电商与零售,反洗钱、网银与支票风控,寿险与车险,航空管理,电信,教育与学习,以及出版等多个行业;多个大数据分析项目为客户每年节省亿元。

陈浩 加州大学戴维斯分校计算机科学系终身教授


陈浩,加州大学戴维斯分校计算机科学系终身教授,本科和硕士毕业于东南大学生物医学工程系,博士毕业于加州大学伯克利分校计算机系。陈浩教授的研究兴趣是计算机安全,包括机器学习安全性、软件安全性以及移动和无线安全性。


陈名华 香港城市大学数据科学学院教授


陈名华,现任香港城市大学数据科学学院教授、香港数据科学研究院助理院长。他本科和硕士就读于清华大学电子工程系,博士毕业于加州大学伯克利分校电气工程和计算机科学系。研究兴趣包括在线优化和算法、能源系统、智能交通系统、分布式优化、受延迟约束的网络编码等。陈教授的研究论文曾获 IEEE ICME 2009 最佳论文奖、IEEE Transactions on Multimedia 2009 最佳论文和 ACM Multimedia 2012 最佳论文奖。

Albert Mo Kim Cheng 休斯顿大学教授


Albert Mo Kim Cheng,休斯顿大学教授,实时系统实验室负责人,IEEE 高级会员。研究兴趣包括实时嵌入式信息物理系统的设计、建模、调度和形式验证,绿色计算,软件工程,基于知识的系统,网络。


郑文皇 台湾新竹交通大学教授


郑文皇,台湾新竹交通大学电子研究所教授,人工智能与多媒体实验室 (AIMMLab) 创办者与负责人。研究兴趣包括多媒体、人工智能计算机视觉机器学习、社交媒体和金融技术。


崔鹏 清华大学计算机系长聘副教授


崔鹏,清华大学计算机系长聘副教授。于 2010 年获得清华大学博士学位,研究兴趣包括因果正则机器学习(causally-regularized machine learning)、网络表示学习和社交动态建模。他在数据挖掘和多媒体领域知名会议和期刊上发表文章 100 多篇,近期研究获得 IEEE Multimedia Best Department Paper Award、ICDM 2015 最佳学生论文奖等多个奖项。2015 年,他获得 ACM 中国新星奖,2018 年获得 CCF-IEEE CS 青年科学家奖。目前,他是 ACM 和 CCF 杰出会员、IEEE 高级会员。

田媛媛 IBM Almaden 研究中心研究员


田媛媛,现任 IBM 艾曼登研究中心研究员。2008 年博士毕业于密歇根大学计算机科学与工程系,2003 年本科毕业于北京大学。她的研究兴趣包括大数据 SQL、图分析、机器学习系统支持,曾获 SIGMOD 2019 Research Highlight Award、EDBT 2018 最佳论文奖等多个奖项。


童行行 伊利诺伊大学香槟分校计算机系副教授


童行行,伊利诺伊大学香槟分校计算机系副教授。2008 和 2009 年在卡内基梅隆大学分别获得机器学习硕士和博士学位,研究兴趣包括图与多媒体大规模数据挖掘。他曾获得 SDM/IBM 早期职业数据挖掘研究奖 (2018)、NSF CAREER award (2017)、ICDM 十年最具影响力论文奖 (2015),并多次获得最佳论文奖等奖项。


高剑峰 微软研究院深度学习技术中心合伙人研究经理


高剑峰,Microsoft Research AI 杰出科学家,IEEE Fellow。研究兴趣包括机器学习自然语言处理、互联网搜索、广告预测、机器翻译等。目前的研究方向是将深度学习应用于文字和图像处理领域,并领导团队研究基于神经网络的对话机器人、机器阅读理解和机器问答系统等。

郭嵩 香港理工大学计算机系教授


郭嵩,香港理工大学计算机系教授,IEEE Fellow。研究兴趣包括大数据、云计算、移动计算和分布式系统。曾获得 2019 IEEE TCBD 最佳会议论文奖、2018 IEEE TCGCC 最佳杂志论文奖等多个最佳论文奖项。


王昱 天普大学计算机与信息科学系教授


王昱,美国天普大学计算机与信息科学系教授。研究兴趣包括无线网络、智能感知和移动计算。他在同行评审期刊和会议上发表 200 余篇论文,并获得四次最佳论文奖项。曾担任 IEEE IPCCC、ACM MobiHoc 等多个国际会议的大会主席、程序主席、程序委员会成员等,以及多份国际期刊的编委会成员。

杨得年 台湾中央研究院咨询科学研究所研究员


杨得年,台湾中央研究院咨询科学研究所研究员,IEEE 高级会员。研究兴趣包括社交网络、网络和移动应用,曾获 IEEE GLOBECOM 最佳论文提名、PAKDD 最佳论文 Running-Up 等奖项。


杨天若 加拿大圣弗朗西斯 · 泽维尔大学教授

杨天若,本科毕业于清华大学,博士毕业于加拿大维多利亚大学计算机科学系,现任圣弗朗西斯 · 泽维尔大学教授、加拿大国家工程院院士。他的研究兴趣包括并行和分布式计算,嵌入式和普适计算。他曾担任 IEEE HPCC、IEEE UIC、IEEE TrustCom、IEEE ISPA 等十余个国际重要学术会议的指导委员会主席,是 IEEE Fellow,并曾担任多个国际学术期刊的主编。

叶杰平 贝壳找房技术副总裁、首席科学家,美国密歇根大学终身教授


叶杰平,2005 年美国明尼苏达大学博士毕业,是美国密歇根大学终身教授、智源学者、IEEE Fellow。叶杰平曾担任滴滴出行副总裁、滴滴 AI Labs 负责人,主要从事机器学习数据挖掘和大数据分析领域的研究,尤其在大规模稀疏模型学习中处于国际领先地位。

有数据显示,叶杰平在机器学习数据挖掘国际顶级会议和期刊上共发表论文 200 余篇,引用次数超过 8000 次。叶教授曾获 KDD 和 ICML 最佳论文奖,并担任多个机器学习数据挖掘领域顶级会议的主席。


何丙胜 新加坡国立大学计算机科学系副教授


何丙胜博士现任新加坡国立大学计算机科学系副教授,曾在微软亚洲研究院的系统研究组做研究工作、在新加坡南洋理工大学任教。他本科毕业于上海交通大学,博士毕业于香港科技大学。何博士的研究兴趣主要是大数据管理系统(包括云计算和新兴硬件系统)、并行和分布式系统、云计算,有多篇研究论文发表在国际著名期刊和会议上。

杨凤如 香港中文大学计算机科学与工程学系教授


杨凤如教授 1996 年加入香港中文大学担任助理教授,她的研究兴趣包括 VLSI 电路的 CAD、算法、组合优化和 AI。

谢孙源 台湾成功大学计算机科学与信息工程系教授


谢孙源,1998 年获台湾大学资讯工程学研究所博士学位。他的研究兴趣包括生物信息学、算法设计与分析、容错计算、图论、并行和分布式计算。


张洪宇 澳大利亚纽卡斯尔大学副教授


张洪宇,2003 年获新加坡国立大学博士学位,现任澳大利亚纽卡斯尔大学副教授。此前,他曾任微软亚研的首席研究员、清华大学副教授。张教授的研究领域是软件工程,特别是软件分析、软件测试、故障诊断,维护和软件复用,研究的主题是通过挖掘和分析软件数据来提升软件质量和生产率。张教授已经在国际期刊和会议上发表了超过 150 篇研究论文,获得过 4 项 ACM 杰出论文奖。

张霖涛  前微软亚洲研究院首席研究员,现翼方健数首席科学家


张霖涛在北京大学获得本科学位,在普林斯顿大学获得计算机工程博士学位。他曾任微软亚洲研究院 (MSRA) 首席研究员 / 全球合伙人,领导微软亚研院 (MSRA) 的智能云与端研究组从事系统与网络方面的研究。在人工智能,大数据,计算机系统和硬件加速方面有着超过二十年的研究和工程经验,曾负责架构微软部署数万台服务器的超大规模分布式系统。在 2008 年加入微软亚研院 (MSRA) 之前,他在微软硅谷实验室工作。

张霖涛系计算机系统和人工智能研究领域的顶尖学者,在 OSDI,SOSP,SIGCOMM,AAAI 等顶会发表多篇论文,Google Scholar 超过 11000 引用,获得多项最佳论文和研究成就奖。在刚刚公布的《IEEE Fellows Elevated as of January 2021》中,张霖涛博士当选为新一届会士(Fellow)。

理论ACM
相关数据
微软亚洲研究院机构

微软亚洲研究院于1998年在北京成立,是微软公司在亚太地区设立的基础及应用研究机构,也是微软在美国本土以外规模最大的一个研究院。微软亚洲研究院从事自然用户界面、智能多媒体、大数据与知识挖掘、人工智能、云和边缘计算、计算机科学基础等领域的研究,致力于推动计算机科学前沿发展,着眼下一代革命性技术的创新,助力微软实现长远发展战略。

www.msra.cn
清华大学机构

清华大学(Tsinghua University),简称“清华”,由中华人民共和国教育部直属,中央直管副部级建制,位列“211工程”、“985工程”、“世界一流大学和一流学科”,入选“基础学科拔尖学生培养试验计划”、“高等学校创新能力提升计划”、“高等学校学科创新引智计划”,为九校联盟、中国大学校长联谊会、东亚研究型大学协会、亚洲大学联盟、环太平洋大学联盟、清华—剑桥—MIT低碳大学联盟成员,被誉为“红色工程师的摇篮”。 清华大学的前身清华学堂始建于1911年,因水木清华而得名,是清政府设立的留美预备学校,其建校的资金源于1908年美国退还的部分庚子赔款。1912年更名为清华学校。1928年更名为国立清华大学。1937年抗日战争全面爆发后南迁长沙,与北京大学、南开大学组建国立长沙临时大学,1938年迁至昆明改名为国立西南联合大学。1946年迁回清华园。1949年中华人民共和国成立,清华大学进入了新的发展阶段。1952年全国高等学校院系调整后成为多科性工业大学。1978年以来逐步恢复和发展为综合性的研究型大学。

http://www.tsinghua.edu.cn/
相关技术
Microsoft机构

微软是美国一家跨国计算机科技公司,以研发、制造、授权和提供广泛的计算机软件服务为主。总部位于美国华盛顿州的雷德蒙德,最为著名和畅销的产品为Microsoft Windows操作系统和Microsoft Office办公室软件,以及Xbox的游戏业务。微软是美国《财富》杂志2015年评选的世界500强企业排行榜中的第95名。

https://www.microsoft.com/en-us/about
IBM机构

是美国一家跨国科技公司及咨询公司,总部位于纽约州阿蒙克市。IBM主要客户是政府和企业。IBM生产并销售计算机硬件及软件,并且为系统架构和网络托管提供咨询服务。截止2013年,IBM已在全球拥有12个研究实验室和大量的软件开发基地。IBM虽然是一家商业公司,但在材料、化学、物理等科学领域却也有很高的成就,利用这些学术研究为基础,发明很多产品。比较有名的IBM发明的产品包括硬盘、自动柜员机、通用产品代码、SQL、关系数据库管理系统、DRAM及沃森。

https://www.ibm.com/us-en/
相关技术
深度学习技术

深度学习(deep learning)是机器学习的分支,是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。 深度学习是机器学习中一种基于对数据进行表征学习的算法,至今已有数种深度学习框架,如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

数据分析技术

数据分析是一类统计方法,其主要特点是多维性和描述性。有些几何方法有助于揭示不同的数据之间存在的关系,并绘制出统计信息图,以更简洁的解释这些数据中包含的主要信息。其他一些用于收集数据,以便弄清哪些是同质的,从而更好地了解数据。 数据分析可以处理大量数据,并确定这些数据最有用的部分。

信息检索技术

信息检索(IR)是基于用于查询检索信息的任务。流行的信息检索模型包括布尔模型、向量空间模型、概率模型和语言模型。信息检索最典型和最常见的应用是搜索引擎。

机器学习技术

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

感知技术

知觉或感知是外界刺激作用于感官时,脑对外界的整体的看法和理解,为我们对外界的感官信息进行组织和解释。在认知科学中,也可看作一组程序,包括获取信息、理解信息、筛选信息、组织信息。与感觉不同,知觉反映的是由对象的各样属性及关系构成的整体。

调度技术

调度在计算机中是分配工作所需资源的方法。资源可以指虚拟的计算资源,如线程、进程或数据流;也可以指硬件资源,如处理器、网络连接或扩展卡。 进行调度工作的程序叫做调度器。调度器通常的实现使得所有计算资源都处于忙碌状态,允许多位用户有效地同时共享系统资源,或达到指定的服务质量。 see planning for more details

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

数据科学技术

数据科学,又称资料科学,是一门利用数据学习知识的学科,其目标是通过从数据中提取出有价值的部分来生产数据产品。它结合了诸多领域中的理论和技术,包括应用数学、统计、模式识别、机器学习、数据可视化、数据仓库以及高性能计算。数据科学通过运用各种相关的数据来帮助非专业人士理解问题。

模式识别技术

模式识别(英语:Pattern recognition),就是通过计算机用数学技术方法来研究模式的自动处理和判读。 我们把环境与客体统称为“模式”。 随着计算机技术的发展,人类有可能研究复杂的信息处理过程。 信息处理过程的一个重要形式是生命体对环境及客体的识别。其概念与数据挖掘、机器学习类似。

普适计算技术

普适计算是一个强调和环境融为一体的计算概念,而计算机本身则从人们的视线里消失。在普适计算的模式下,人们能够在任何时间、任何地点、以任何方式进行信息的获取与处理。普适计算是一个涉及研究范围很广的课题,包括分布式计算、移动计算、人机交互、人工智能、嵌入式系统、感知网络以及信息融合等多方面技术的融合。

计算机视觉技术

计算机视觉(CV)是指机器感知环境的能力。这一技术类别中的经典任务有图像形成、图像处理、图像提取和图像的三维推理。目标识别和面部识别也是很重要的研究领域。

数据管理技术

数据管理是利用计算机硬件和软件技术对数据进行有效的收集、存储、处理和应用的过程,其目的在于充分有效地发挥数据的作用。

知识图谱技术

知识图谱本质上是语义网络,是一种基于图的数据结构,由节点(Point)和边(Edge)组成。在知识图谱里,每个节点表示现实世界中存在的“实体”,每条边为实体与实体之间的“关系”。知识图谱是关系的最有效的表示方式。通俗地讲,知识图谱就是把所有不同种类的信息(Heterogeneous Information)连接在一起而得到的一个关系网络。知识图谱提供了从“关系”的角度去分析问题的能力。 知识图谱这个概念最早由Google提出,主要是用来优化现有的搜索引擎。不同于基于关键词搜索的传统搜索引擎,知识图谱可用来更好地查询复杂的关联信息,从语义层面理解用户意图,改进搜索质量。比如在Google的搜索框里输入Bill Gates的时候,搜索结果页面的右侧还会出现Bill Gates相关的信息比如出生年月,家庭情况等等。

数据库技术

数据库,简而言之可视为电子化的文件柜——存储电子文件的处所,用户可以对文件中的数据运行新增、截取、更新、删除等操作。 所谓“数据库”系以一定方式储存在一起、能予多个用户共享、具有尽可能小的冗余度、与应用程序彼此独立的数据集合。

机器翻译技术

机器翻译(MT)是利用机器的力量「自动将一种自然语言(源语言)的文本翻译成另一种语言(目标语言)」。机器翻译方法通常可分成三大类:基于规则的机器翻译(RBMT)、统计机器翻译(SMT)和神经机器翻译(NMT)。

神经网络技术

(人工)神经网络是一种起源于 20 世纪 50 年代的监督式机器学习模型,那时候研究者构想了「感知器(perceptron)」的想法。这一领域的研究者通常被称为「联结主义者(Connectionist)」,因为这种模型模拟了人脑的功能。神经网络模型通常是通过反向传播算法应用梯度下降训练的。目前神经网络有两大主要类型,它们都是前馈神经网络:卷积神经网络(CNN)和循环神经网络(RNN),其中 RNN 又包含长短期记忆(LSTM)、门控循环单元(GRU)等等。深度学习是一种主要应用于神经网络帮助其取得更好结果的技术。尽管神经网络主要用于监督学习,但也有一些为无监督学习设计的变体,比如自动编码器和生成对抗网络(GAN)。

数据挖掘技术

数据挖掘(英语:data mining)是一个跨学科的计算机科学分支 它是用人工智能、机器学习、统计学和数据库的交叉方法在相對較大型的数据集中发现模式的计算过程。 数据挖掘过程的总体目标是从一个数据集中提取信息,并将其转换成可理解的结构,以进一步使用。

云计算技术

云计算(英语:cloud computing),是一种基于互联网的计算方式,通过这种方式,共享的软硬件资源和信息可以按需求提供给计算机各种终端和其他设备。

图论技术

图论是以“图”为研究对象的一个数学分支,是组合数学和离散数学的重要组成部分。图是用来对对象之间的成对关系建模的数学结构,由“顶点”(又称“节点”或“点”)以及连接这些顶点的“边”(又称“弧”或“线”)组成。值得注意的是,图的顶点集合不能为空,但边的集合可以为空。图可能是无向的,这意味着图中的边在连接顶点时无需区分方向。否则,称图是有向的。

图像处理技术

图像处理是指对图像进行分析、加工和处理,使其满足视觉、心理或其他要求的技术。 图像处理是信号处理在图像领域上的一个应用。 目前大多数的图像均是以数字形式存储,因而图像处理很多情况下指数字图像处理。

自然语言处理技术

自然语言处理(英语:natural language processing,缩写作 NLP)是人工智能和语言学领域的分支学科。此领域探讨如何处理及运用自然语言;自然语言认知则是指让电脑“懂”人类的语言。自然语言生成系统把计算机数据转化为自然语言。自然语言理解系统把自然语言转化为计算机程序更易于处理的形式。

嵌入式系统技术

嵌入式系统,是一种嵌入机械或电气系统内部、具有专一功能和实时计算性能的计算机系统。嵌入式系统常被用于高效控制许多常见设备,被嵌入的系统通常是包含数字硬件和机械部件的完整设备,例如汽车的防锁死刹车系统。

人机交互技术

人机交互,是一门研究系统与用户之间的交互关系的学问。系统可以是各种各样的机器,也可以是计算机化的系统和软件。人机交互界面通常是指用户可见的部分。用户通过人机交互界面与系统交流,并进行操作。小如收音机的播放按键,大至飞机上的仪表板、或是发电厂的控制室。

问答系统技术

问答系统是未来自然语言处理的明日之星。问答系统外部的行为上来看,其与目前主流资讯检索技术有两点不同:首先是查询方式为完整而口语化的问句,再来则是其回传的为高精准度网页结果或明确的答案字串。以Ask Jeeves为例,使用者不需要思考该使用什么样的问法才能够得到理想的答案,只需要用口语化的方式直接提问如“请问谁是美国总统?”即可。而系统在了解使用者问句后,会非常清楚地回答“奥巴马是美国总统”。面对这种系统,使用者不需要费心去一一检视搜索引擎回传的网页,对于资讯检索的效率与资讯的普及都有很大帮助。从系统内部来看,问答系统使用了大量有别于传统资讯检索系统自然语言处理技术,如自然语言剖析(Natural Language Parsing)、问题分类(Question Classification)、专名辨识(Named Entity Recognition)等等。少数系统甚至会使用复杂的逻辑推理机制,来区隔出需要推理机制才能够区隔出来的答案。在系统所使用的资料上,除了传统资讯检索会使用到的资料外(如字典),问答系统还会使用本体论等语义资料,或者利用网页来增加资料的丰富性。

贝壳找房机构

贝壳找房由链家网升级而来,是以技术驱动的品质居住服务平台,聚合和赋能全行业的优质服务者,打造开放的品质居住服务生态,致力于为两亿家庭提供包括二手房、新房、租赁和装修全方位居住服务。

https://bj.ke.com/?utm_source=baidu&utm_medium=pinzhuan&utm_term=biaoti&utm_content=biaotimiaoshu&utm_campaign=wybeijing
香港科技大学机构

香港科技大学(The Hong Kong University of Science and Technology),简称港科大(HKUST),为东亚研究型大学协会、环太平洋大学联盟、亚洲大学联盟、中国大学校长联谊会、京港大学联盟、粤港澳高校联盟重要成员,并获AACSB和EQUIS双重认证,是一所亚洲顶尖、国际知名的研究型大学。该校以科技和商业管理为主、人文及社会科学并重,尤以商科和工科见长。

翼方健数机构

翼方健数(BaseBit.ai)成立于2015年,是“数据和算法互联网”的先行者,是一家快速发展中的数据和人工智能高科技公司。 公司以隐私安全计算为核心,为医疗、金融、政务等行业建设在数据安全和个人隐私保护基础上的数据开放生态和数据共享协作环境,并在此基础上发展人工智能的能力,为行业赋能。

http://www.basebit.ai/
东南大学机构
北京大学机构

北京大学创办于1898年,初名京师大学堂,是中国第一所国立综合性大学,也是当时中国最高教育行政机关。辛亥革命后,于1912年改为现名。2000年4月3日,北京大学与原北京医科大学合并,组建了新的北京大学。原北京医科大学的前身是国立北京医学专门学校,创建于1912年10月26日。20世纪三、四十年代,学校一度名为北平大学医学院,并于1946年7月并入北京大学。1952年在全国高校院系调整中,北京大学医学院脱离北京大学,独立为北京医学院。1985年更名为北京医科大学,1996年成为国家首批“211工程”重点支持的医科大学。两校合并进一步拓宽了北京大学的学科结构,为促进医学与人文社会科学及理科的结合,改革医学教育奠定了基础。

官网,http://www.pku.edu.cn/
推荐文章
暂无评论
暂无评论~