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

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)

1. 邀请谈话。“终身学习的情绪分析”，ETS，2015年12月7日。
2. 邀请谈话。《终身学习的情绪分析》，杨百翰大学，12月。3, 2015.
3. 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。
4. 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。
5. 主题演讲。“情绪状态”，情绪分析研讨会，纽约，2015年7月15-16日。
6. 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。
7. 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
8. 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。
9. 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