唐傑（ACM Fellow、IEEE Fellow），清華大學計算機系教授，獲國家傑青、王選傑青獎。研究人工智慧、認知圖譜、數據挖掘、社交網路和機器學習。發表論文300餘篇，獲ACM SIGKDD Test-of-Time Award（十年最佳論文）。主持研發了超大規模預訓練模型“悟道”，參數規模超過1.75萬億。之前還研發了研究者社會網路挖掘系統AMiner，吸引全球220個國家/地區2000多萬用戶。擔任國際期刊IEEE T. on Big Data、AI OPEN主編以及WWW’23大會主席、WWW’21、CIKM’16、WSDM’15的PC Chair。獲國家科學技術進步獎二等獎、北京市科技進步一等獎、北京市專利獎一等獎、人工智慧學會科技進步一等獎、KDD傑出貢獻獎。
基本介紹
- 中文名：唐傑
- 國籍：中國
- 民族：漢族
- 出生日期：1977年
- 畢業院校：清華大學
- 主要成就：國家科技進步二等獎
北京市科技進步一等獎
北京市發明專利一等獎
中國人工智慧學會科技進步一等獎
ACM SIGKDD時間檢驗獎（十年最佳論文）
KDD傑出貢獻獎 - 職稱：教授
教育背景,研究領域,研究概況,承擔的主要課題,代表論著,榮譽獎勵,主要學術兼職,
教育背景
2006年畢業於清華大學，獲博士學位。
研究領域
社交網路
研究概況
研究興趣主要包括人工智慧、數據挖掘、社交網路、機器學習以及知識圖譜。
主要創新性研究包括：
（1）社會影響力分析：提出基於話題的社會網路影響力模型，針對大規模社會網路進行用戶級別的微觀建模，自動計算用戶之間基於不同話題層次的影響力強度，為定量化、細粒度的網路影響力分析給出理論基礎，部分解決了影響力最大傳播模型的輸入假設問題。
（3）網路行為建模和影響力分析，提出了針對社會網路的微觀動態分析方法，並首次提出了社會影響力的量化分析方法，以及社會網路行為和社會影響力關聯關係的分析方法。
（4）套用上述研究成果，研發了完全自主智慧財產權的科技情報大數據挖掘與服務平台AMiner。系統2006年上線以來，吸引了來自全球220個國家/地區的1000多萬次獨立IP訪問。
承擔的主要課題
2019年1月-2023年12月，國家自然科學基金委傑出青年科學基金：知識發現與知識工程
2018年12月-2020年12月，北京市重點研發計畫：中英常識知識圖譜與推理引擎研究
2013年1月-2015年12月，國家自然科學基金委優秀青年科學基金：知識發現與知識工程
2009年1月-2010年12月，國家863計畫：基於機率圖模型的異構XML數據集成與檢索
代表論著
[1] Jie Tang, Jing Zhang, Limin Yao, JuanziLi, Li Zhang, and Zhong Su. ArnetMiner: Extraction and Mining of AcademicSocial Networks. In Proceedings of theFourteenth ACM SIGKDD International Conference on Knowledge Discovery and DataMining (KDD'08). (SIGKDDTest-of-Time Award, 十年最佳論文)
[2] Zhengxiao Du, Yujie Qian, Xiao Liu, MingDing, Jiezhong Qiu, Zhilin Yang, and Jie Tang. GLM: General Language ModelPretraining with Autoregressive Blank Infilling. In Proceedings of the 60thAnnual Meeting of the Association of Computational Linguistics (ACL'22). （預訓練模型）
[3] Xiao Liu, Kaixuan Ji, Yicheng Fu, WengLam Tam, Zhengxiao Du, Zhilin Yang, and Jie Tang. P-Tuning v2: Prompt TuningCan Be Comparable to Fine-tuning Across Scales and Tasks. In Proceedings of the60th Annual Meeting of the Association of Computational Linguistics (ACL'22). （預訓練模型的P-tuning提示微調算法）
[4] Xu Zou, Da Yin, Qingyang Zhong, HongxiaYang, Zhilin Yang, and Jie Tang. Controllable Generation from Pre-trainedLanguage Models via Inverse Prompting. In Proceedings of the Twenty-Seventh ACMSIGKDD International Conference on Knowledge Discovery and Data Mining(KDD'21). （預訓練模型的可控生成算法）
[5] Ming Ding, Zhuoyi Yang, Wenyi Hong,Wendi Zheng, Chang Zhou, Da Yin, Junyang Lin, Xu Zou, Zhou Shao, Hongxia Yang,and Jie Tang. CogView: Mastering Text-to-Image Generation via Transformers. InProceedings of the Thirty-Fifth Annual Conference on Neural InformationProcessing Systems (NeurIPS'21). （多模態的預訓練模型）
[6] Jialin Zhao, Yuxiao Dong, Ming Ding,Evgeny Kharlamov, and Jie Tang. Adaptive Diffusion in Graph Neural Networks. InProceedings of the Thirty-Fifth Annual Conference on Neural InformationProcessing Systems (NeurIPS'21). （圖神經網路）
[7] Xiao Liu, Fanjin Zhang, Zhenyu Hou, LiMian, Zhaoyu Wang, Jing Zhang, and Jie Tang. Self-supervised Learning:Generative or Contrastive. IEEE Transaction on Knowledge and Data Engineering(TKDE), 2021. （自監督學習）
[8] Jiezhong Qiu, Qibin Chen, Yuxiao Dong,Jing Zhang, Hongxia Yang, Ming Ding, Kuansan Wang, and Jie Tang. GCC: GraphContrastive Coding for Graph Neural Network Pre-Training. In Proceedings of theTwenty-Sixth ACM SIGKDD International Conference on Knowledge Discovery andData Mining (KDD'20). （基於自監督學習的圖神經網路預訓練模型）
[9] Wenzheng Feng, Jie Zhang, Yuxiao Dong,Yu Han, Huanbo Luan, Qian Xu, Qiang Yang, Evgeny Kharlamov, and Jie Tang. GraphRandom Neural Networks for Semi-Supervised Learning on Graphs. In Proceedingsof the Thirty-Forth Annual Conference on Neural Information Processing Systems(NeurIPS'20). （隨機圖神經網路）
[10] Ming Ding, Chang Zhou, Qibin Chen,Hongxia Yang, and Jie Tang. Cognitive Graph for Multi-Hop Reading Comprehensionat Scale. In Proceedings of the 57th Annual Meeting of the Association ofComputational Linguistics (ACL'19). （面相多跳問答的認知圖譜）
[11] Fanjin Zhang, Xiao Liu, Jie Tang, YuxiaoDong, Peiran Yao, Jie Zhang, Xiaotao Gu, Yan Wang, Bin Shao, Rui Li, andKuansan Wang. OAG: Toward Linking Large-scale Heterogeneous Entity Graphs. InProceedings of the Twenty-Fifth ACM SIGKDD International Conference onKnowledge Discovery and Data Mining (KDD'19). （AMiner的超大規模開放學術圖譜）
[12] Yukuo Cen, Xu Zou, Jianwei Zhang,Hongxia Yang, Jingren Zhou and Jie Tang. Representation Learning for AttributedMultiplex Heterogeneous Network. In Proceedings of the Twenty-Fifth ACM SIGKDDInternational Conference on Knowledge Discovery and Data Mining (KDD'19). （異構圖的表示學習）
[13] Jiezhong Qiu, Jian Tang, Hao Ma, YuxiaoDong, Kuansan Wang, and Jie Tang. DeepInf: Social Influence Prediction withDeep Learning. In Proceedings of the Twenty-Forth ACM SIGKDD InternationalConference on Knowledge Discovery and Data Mining (KDD'18). （基於深度學習的社會影響力預測）
[14] Jiezhong Qiu, Yuxiao Dong, Hao Ma, JianLi, Kuansan Wang, and Jie Tang. Network Embedding as Matrix Factorization:Unifying DeepWalk, LINE, PTE, and node2vec. In Proceedings of the Eleventh ACMInternational Conference on Web Search and Data Mining (WSDM’18). （網路表示學習的統一理論證明）
[15] Jie Tang and Wendy Hall. Cross-domainRanking via Latent Space Learning. In Proceedings of the 31st AAAI Conferenceon Artificial Intelligence (AAAI'17). （基於隱空間的跨域排序算法）
[16] Jie Tang, Sen Wu, and Jimeng Sun.Confluence: Conformity Influence in Large Social Networks. In Proceedings ofthe Ninteenth ACM SIGKDD International Conference on Knowledge Discovery andData Mining (KDD'13).（大規模網路的從眾分析）
[17] Jie Tang, Sen Wu, Jimeng Sun, and HangSu. Cross-domain Collaboration Recommendation. In Proceedings of the EighteenthACM SIGKDD International Conference on Knowledge Discovery and Data Mining(KDD'12). (Best Poster Award) （跨域推薦算法）
[18] Jie Tang, Tiancheng Lou, and JonKleinberg. Inferring Social Ties across Heterogeneous Networks. In Proceedingsof the Fifth ACM International Conference on Web Search and Data Mining (WSDM’12).（社交關係推斷算法）
[19] Chenhao Tan, Lillian Lee, Jie Tang, LongJiang, Ming Zhou, and Ping Li. User-level sentiment analysis incorporatingsocial networks. In Proceedings of the Seventeenth ACM SIGKDD International Conference onKnowledge Discovery and Data Mining (KDD'11)
[20] Jie Tang, Jimeng Sun, Chi Wang, and ZiYang. Social Influence Analysis in Large-scale Networks. In Proceedings of the FifteenthACM SIGKDD International Conference on Knowledge Discovery and Data Mining (KDD'09). （社會影響力分析）
榮譽獎勵
2023 北京市先進科技工作者
2023 第5屆“科學探索獎”
- 2021 ACM Fellow
- 2021 IEEE Fellow
- 2021 北京市發明專利一等獎
- 2020 國家科技進步二等獎
- 2020王選傑出青年學者
- 2020 SIGKDD 時間檢驗與套用科學獎
- 2018 ACM SIGKDD 傑出服務獎
- 2017 北京市科技進步一等獎
- 2015 牛頓高級學者
- 2013 中國人工智慧學會科技進步一等獎
- 2012 CCF青年科學家獎
- 2011 北京市科技新星
主要學術兼職
IEEE Transactions on Big Data主編
AIOPEN Journal創刊主編
第三十二屆國際全球資訊網會議 (32th the Web Conference, WWW2023)大會主席
第三十屆國際全球資訊網會議 (30th the Web Conference, WWW2021) 程式委員會主席
第二十五屆國際計算機協會信息和知識管理大會(25th ACM International Conference on Information and KnowledgeManagement, CIKM 2016) 程式委員會主席
第八屆網路搜尋和數據挖掘國際會議(8th ACM International Conference on Web Search and DataMining, WSDM 2015) 程式委員會主席
國際計算機協會（ACM）中國理事會副主席
中國中文信息學會常務理事
中國計算機學會學術工委主任（2019-今）
中國計算機學會YOCSEF主席（2018-2019）
2023CCF會士
2024年3月，北京市人工智慧戰略諮詢專家委員會委員。
