李平(百度認知計算實驗室主任)

李平(百度認知計算實驗室主任)

本詞條是多義詞，共99+個義項
更多義項 ▼ 收起列表 ▲

李平，出生於湖南少數民族山區，苗族人。2007年博士畢業於史丹福大學，獲得統計學博士學位，計算機科學碩士學位，和電子工程碩士學位。

現任百度認知計算實驗室（Cognitive Computing Lab， CCL）主任。

基本介紹

  • 中文名：李平
  • 民族：苗族
  • 畢業院校：史丹福大學
人物經歷,個人生活,學術研究,研究領域,人物榮譽,發表論文,

人物經歷

李平畢業後曾在康奈爾大學和羅格斯大學任教，並於2013年成為計算機系和統計系兩個系的終身教授。
李平在高校任教期間培養了10多位博士生和博士後。他們中大部分都已經成為了大學教授。
在2008-2013年期間，獲得美國聯邦（NSF，ONR，AFOSR）和公司（微軟，谷歌）研究資助超過400萬美元（基本上都是單個人PI）。
2017年底成為百度研究院大數據實驗室（BDL）負責人。團隊在2018年改名為認知計算實驗室（Cognitive Computing Lab，CCL）。

個人生活

李平與妻子育有三兒一女，現居住在美國大西雅圖地區。

學術研究

理論研究方面，百度工作期間在一流雜誌和會議上發表論文超過30篇。實際套用方面，帶領團隊與百度多個業務部門（包括鳳巢廣告，feed流，搜尋，糯米，百度知道，中文輸入法，英文輸入法等）展開深入合作，把研究成果套用於各項產品，產出顯著效果,並能從實際問題中發展新的研究方向和課題。
李平對技術的突破創新、深入探索有著強烈的使命感和執著的追求，在多個方向取得了豐碩的研究成果。
樹模型方面，奠定了當前主流樹模型機器學習平台的重要技術基礎（例如2010 UAI 論文推導出2階信息分樹公式極大提高了GDBT算法的精度，已經是當前樹模型的主流算法）；
哈希算法和近似近鄰檢索（ANN）算法方面，發表了30篇以上論文，為業界套用提供了基礎工具（包括b-bit minwise hashing，one permutation hashing，very sparse random projections，0-bit consistent weighted sampling等）；
機器學習基礎理論與方法方面，在一流機器學習雜誌和會議如COLT，SODA，NIPS，ICML, JMLR, TIT等持續發表論文；
推薦和LTR技術方面，在NIPS，WWW，WSDM，KDD等套用會議上發表論文；
核函式算法方面，他提出的 “Tunable GMM Kernels” 在很多數據上比其它主流方法取得更好的精度。
2010年b-bit minwise hashing的論文被Commnications ofthe ACM邀請成為曝光研究論文。

研究領域

包括 統計方法，深度學習，機器學習，信息檢索，隨機算法，壓縮感知，知識和推理，等主題。

人物榮譽

獲得過美國空軍傑出青年科學家獎（AFOSR-YIP）和美國海軍傑出青年科學家獎（ONR-YIP）。李平的研究主要集中在機器學習算法，高效檢索，數據存儲，數據流，推薦，和自然語言理解，等。他的研究論文曾經獲得NIPS2014最佳論文獎，ASONAM2014最佳論文獎，KDD2006最佳學生論文獎。

發表論文

  1. Ping Li, Sandy Napel, Burak Acar, David S Paik, R Brooke Jeffrey Jr, Christopher F Beaulieu, Registration of central paths and colonic polyps between supine and prone scans in computed tomography colonography: pilot study. Medical Physics, 2004.
  2. Ping Li and Kenneth Church, Using Sketches to Estimate Associations. EMNLP 2005.
  3. Ping Li, Debashis Paul, Ravi Narasimhan, John Cioffi, On the distribution of SINR for the MMSE MIMO receiver and performance analysis. IEEE Transactionson Information Theory, 2006.
  4. Ping Li, Kenneth Church, and Trevor Hastie,Conditional Random Sampling: A Sketch-basedSampling Technique for Sparse Data. NIPS 2006.
  5. Ping Li, Very Sparse Stable Random Projections. KDD 2007.
  6. Ping Li, Christopher Burges, Qiang Wu,Mcrank: Learning to rank using multiple classification and gradient boosting. NIPS 2007.
  7. Ping Li, Estimators and tail bounds for dimension reduction in l α (0< α≤ 2) using stable random projections. SODA 2008.
  8. Ping Li, Compressed Counting. SODA 2009.
  9. Ping Li, ABC-boost: adaptive base class boost for multi-class classification. ICML 2009.
  10. Ping Li, Robust logitboost and adaptive base class (abc) logitboost. UAI 2010.
  11. Ping Li and Christian Konig, Theory and applications of b-Bit minwise hashing. Communications of the ACM, 2011.
  12. Ping Li, Anshumali Shrivastava, Josh Moore, Christian Konig, Hashing Algorithms for Large-Scale Learning. NIPS 2011.
  13. Ping Li, Art Owen, Cun-Hui Zhang, On Permutation Hashing. NIPS 2012.
  14. Ping Li, Gennady Samorodnitsk, John Hopcroft, Sign cauchy projections and chi-square kernel. NIPS 2013.
  15. Ping Li, Cun-Hui Zhang, Tong Zhang, Compressed Counting Meets Compressed Sensing. COLT 2014.
  16. Ping Li, Michael Mitzenmacher, Anshumali Shrivastava, Coding for Random Projections. ICML 2014.
  17. Ping Li, 0-Bit Consistent Weighted Sampling. KDD 2015.
  18. Ping Li, One Scan 1-Bit Compressed Sensing. AISTATS 2016.
  19. Ping Li, Linearized GMM Kernels and Normalized Random Fourier Features. KDD 2017.
  20. Ping Li and Martin Slawski, Simple strategies for recovering inner products from coarsely quantized random projections. NIPS 2017.
  21. Ping Li and Cun-Hui Zhang, Theory of the GMM Kernel. WWW 2017.
  22. Ping Li, Several Tunable GMM Kernels. 2019.
  23. Ping Li, Sign-Full Random Projections. AAAI, 2019.
  24. Ping Li, Syama Sundar Rangapuram, Martin Slawski, Methods for Sparse and Low-Rank Recovery under Simplex Constraints. Statistica Sinica, 2019.
  25. Ping Li and Phan-Minh Nguyen, ON RANDOM DEEP WEIGHT-TIED AUTOENCODERS:EXACT ASYMPTOTIC ANALYSIS, PHASE TRANSITIONS, AND IMPLICATIONS TO TRAINING. ICLR 2019.
  26. Jun Hu and Ping Li, Collaborative Filtering via Additive Ordinal Regression. WSDM 2018.
  27. Jun Hu and Ping Li, Collaborative Multi-objective Ranking. CIKM 2018.
  28. Mingming Sun, Xu Li, Xin Wang, Miao Fan, Yue Feng, Ping Li, Logician: A Unified End-to-End Neural Approach for Open-Domain Information Extraction. WSDM 2018.
  29. Xu Li, Mingming Sun, Ping Li,Logician and Orator: Learning from the Duality between Language and Knowledge in Open Domain. EMNLP 2018.
  30. Dingcheng Li, Jingyuan Zhang, Ping Li, Large Scale Semantic Indexing with Deep Level-wise Extreme Multi-label Learning. WWW 2019.
  31. Miao Fan, Chao Feng, Lin Guo, Mingming Sun, Ping Li, Product-Aware Helpfulness Prediction of Online Reviews. WWW 2019.
  32. Hongliang Fei, Shulong Tan, Ping Li, Hierarchical Multi-Task Word Embedding Learning]{Hierarchical Multi-Task Word Embedding Learning for Synonym Prediction. KDD 2019.
  33. Miao Fan, Jiacheng Guo, Shuai Zhu, Shuo Miao, Mingming Sun, Ping Li, MOBIUS: Towards the Next Generation of Query-Ad Matching in Baidu's Sponsored Search. KDD 2019.
  34. Xiao Huang, Jingyuan Zhang, Dingcheng Li, Ping Li,Knowledge Graph Embedding Based Question Answering. WSDM 2019.
  35. Mingming Sun and Ping Li,Graph to Graph: a Topology Aware Approach for Graph StructuresLearning and Generation. AISTATS 2019.
（節選35篇，更全面的論文列表請見）

相關詞條

熱門詞條

聯絡我們