刘冰(Bing Liu)
专业认可
尊敬的教授
计算机科学系
伊利诺伊大学芝加哥分校(UIC)
摩根南街851号(M/C 152)
伊利诺伊州芝加哥60607-7053
电话:请发送电子邮件
我的作品的新闻报道
ACM SIGKDD创新奖
4个时间考验[3个奖项+1个荣誉奖]
IEEE研究员
AAAI研究员
美国计算机协会院士
研究兴趣(
生物
:
短的
,
非常短
)
终身学习和持续学习
;
AGI公司
情绪分析、意见挖掘
自然语言处理(NLP)
数据挖掘、机器学习
出版物
谷歌学者
DBLP公司
出版物
专业活动
SIGKDD主席
(7/1/2013 - 6/30/2017)
个人电脑主席:KDD、ICDM、SDM、WSDM、CIKM
编辑委员会、DMKD、TWEB、TKDE、TKDD
更多。。。
教学
研究项目
最近的会谈
出版的书籍
终身学习和持续学习对话系统
新书
施普林格
2024年2月。
订单来自
麻省理工学院出版社
订单来自
亚马逊网站
终身机器学习
(第二版)
免费下载
,如果您的
机构在这上面
列表
获取第一版
摩根克莱普尔
,207页,2018年8月。
订单来自
亚马逊网站
情绪分析:
采矿
观点、情绪、,
和情绪
如何构建
情绪分析
系统,等等
目录
,448页
剑桥大学出版社
,2020年。
订单来自
亚马逊网站
情绪分析和
意见挖掘
全面介绍和调查
摩根克莱普尔
2012年5月,167页
订单来自
亚马逊网站
Web数据挖掘:
探索超链接,
内容和使用数据
第2版,2011年,622页
订单来源
亚马逊网站,
订单来自
施普林格
获取
电子书
研究项目
意见挖掘、情绪分析和意见垃圾邮件检测
书:
情绪分析和意见挖掘
:介绍和调查
情感聊天机器人
-使聊天机器人或对话系统能够与情感对话
复习阅读理解
:使用评论回答问题-当你计划购买产品时,你有问题吗?
是的,100%。
终身机器学习-持续学习
.
采访
在里面
性质
见解。
不断学习
、和
持续学习
:像人一样学习-积累先前学到的知识并进行调整/转移,以帮助未来的学习。
新调查
:
自然语言处理任务的持续学习:一项调查
.
arXiv:2211.12701
, 11/23/2022.
语言模型的持续预训练
和
巡航
-基于终身机器学习的自主无线网络跨系统架构设计。
自主学习代理
或
模型部署后的在职持续学习
用于自主和交互式AI系统。
AI自主
:
AI代理在部署后不断学习。
学习是自我激励和自我激励的。
交互式人工智能
.自主学习的关键是通过代理自身学习
自我激发的互动
人类、其他因素和环境。
终身学习和持续学习对话系统
SIGIR-2022和IJCAI-2021教程
:
持续学习对话系统-模型部署后的学习
.
新书:
"
终身学习和持续学习对话系统
Sahisnu Mazumder和Bing Liu,2024年2月。
开放世界机器学习、分类或识别(又称分布外(OOD)检测)
实现AI自主。
封闭世界假设
:经典机器学习假设测试实例必须来自培训班。
在许多真实环境中都不是这样。
开放式学习
:它涉及新奇性(分布外)检测、特征描述、改编和新奇性/新课程的持续学习。
早期项目(当前不活动)
PU学习-从积极和无标签的例子中学习
(
设置扩展
也是PU学习的一种形式)
检测虚假评论和虚假评论-检测意见垃圾邮件
检测评论网站、脸书、推特、微博和论坛讨论网站上的虚假或欺骗性意见
意图挖掘-挖掘社交媒体帖子中的用户意图
我的第11章
情绪分析
这本书讨论了这个话题;
也可以看到这个
NAACL-HLT-2013年
纸张。
使用Web内容自动生成图书
:在网上综合知识
(请参阅我们的
WWW-2003论文
).
给定一个主题,发现子主题和相关概念,以及
综合来自多个网页的信息,以呈现连贯的
相当完整的主题图片。
从平面/嵌套数据记录中提取Web数据
-
网页模板检测和噪声消除
下载
MDR公司
;
两个新的
系统是
环境保护部
和
净值
.
数据挖掘与知识发现
诊断数据挖掘
-
知识的趣味性
:
寻找有趣且可行的知识。
我们在2006年建立了一个系统,名为
机会地图
(在摩托罗拉也称为OM)。
它于2006年部署至今
在摩托罗拉经常使用。
摩托罗拉已经向一些电信公司出售了该系统的副本。
还有一项专利,但不幸的是,它是摩托罗拉的,而不是我们的:-(。
基于关联的分类——集成分类和关联规则挖掘
下载
CBA-基于关联规则的分类
。您也可以使用
CBA实施
来自Livepool大学的Frans Coenen。
KDD-98纸张
和
其他
(KDD-99、PKDD-00等)
具有多个最小支持度的关联规则挖掘
趣味性:
主观趣味性
,
规则摘要
,
规则查询语言
,
更改挖掘
主题演讲和受邀演讲(未更新)——(
最近关于持续学习的讲座
,
一些老话题
)
邀请谈话。
“终身学习的情绪分析”,ETS,2015年12月7日。
邀请谈话。
《终身学习的情绪分析》,杨百翰大学,12月。
3, 2015.
主题演讲。
“情绪分析、终身学习和智能个人助理”,《2015年人工智能技术与应用研讨会》(TAAI-2015)。
台湾,2015年11月20日至22日。
受邀演讲。
“情绪分析和终身机器学习”,计算数学前沿:AMS中央秋季分区会议,2015年10月2-4日。
主题演讲。
“情绪状态”,情绪分析研讨会,纽约,2015年7月15-16日。
邀请的教程。
“情绪分析:挖掘观点、情绪和情绪”,情绪分析研讨会,纽约,2015年7月15-16日。
主题演讲。
“通过网络使用行为模式挖掘进行欺骗检测”大数据数据挖掘研讨会:应用、挑战和前景,摩洛哥,2015年3月25日
主题演讲。
“通过持续学习进行社交媒体分析”,Adobe文本分析峰会,2015年2月26日。
一些老话题
教学
2024年春季:
CS 583-数据挖掘和文本挖掘
2023年秋季:
CS 583-数据挖掘和文本挖掘
2023年春季:
CS 583-数据挖掘和文本挖掘
2022年秋季:
CS 583-数据挖掘和文本挖掘
2022年夏季:
终身学习和持续学习
.
短期博士课程
(8小时),奥尔堡大学,2022年6月14日和16日。
(刘冰、柯子轩)
2022年春季:
CS 411-人工智能I
过去的教学
专业认可和会员资格
ACM研究员,
计算机协会
.
AAAI研究员,
人工智能促进协会(AAAI)
(美国人工智能协会)。
IEEE研究员,
电气与电子工程师协会(IEEE)
.
成员,
ACM知识发现和数据挖掘特别兴趣小组
(SIGKDD)
.
虚假评论:2和3
初稿:
通过
刘冰(Bing Liu)
2002年4月10日。