联系我们
意见反馈

关注公众号

获得最新科研资讯

金博数据挖掘实验室

简介 主要研究方向为医疗健康大数据分析、智能产品创新设计与专利挖掘等

分享到
实验室简介

实验室负责人

金博,教授,ACM、IEEE高级会员,CCF杰出会员。博士毕业于大连理工大学,在美国罗格斯新泽西州立大学访问,师从国际大数据领域权威学者熊辉教授。

连续两年在数据挖掘领域顶级会议ICDM上担任Chair职务,每年最多仅有2名来自国内专家担任相关职务。担任SCI期刊(IEEE ACCESS)、CSSCI期刊(数据分析与知识发现)编委,担任20份国际期刊审稿人,包括IEEE TKDE、JMIR,IEEE TSMC,ACM TIST等,担任17次数据挖掘和人工智能领域顶级会议程序委员,包括AAAI、IJCAI、KDD、ICDM、SDM、DASFAA等。担任中国老年医学学会、中国医院协会等行业学会专委会委员。

 

研究方向:

主要研究方向是深度学习、大数据挖掘、人工智能,致力于多源异构类网络化、序列化数据的分析和挖掘方法,并与医疗、教育、金融、制造等行业相结合,开展了多方面的工作:https://www.labxing.com/lab/739/research

 

学术论文:

在相关领域重要国际期刊及会议上发表论文90余篇,近年来多篇论文在数据挖掘领域顶级会议(KDD、AAAI、ICDM、PAKDD等)和期刊(TKDE、Information Science、JMIR)收录,承担多项国家级科研项目。其中金博老师曾担任数据挖掘领域三大顶级会议KDD、ICDM、SDM的程序委员。https://www.labxing.com/lab/739/publications


科研项目:

主要研究方向为医疗健康大数据分析、智能产品创新设计与专利挖掘等。作为项目负责人承担科研项目5项,获得国家自然科学基金面上项目1项,青年基金项目1项,教育部-中国移动科研项目1项,辽宁省博士启动项目1项,高校科研项目1项,国家重点实验室开放课题项目1项,华为技术有限公司等委托的横向科研项目3项。https://www.labxing.com/lab/739/projects

 

合作伙伴:

与美国罗格斯新泽西州立大学熊辉教授建立密切合作关系,共同开展专利挖掘、医疗健康数据挖掘等方面的研究,相关论文被大数据领域顶级会议KDD、AAAI、ICDM录用为长文。
与美国康奈尔大学教授王飞针对医疗健康大数据分析进行合作研究,相关论文发表在大数据领域顶级会议KDD、AAAI上,受到广泛关注。
在国内与中国科学技术大学陈恩红教授课题组,以及中科院数据中心等单位建立长期合作关系。

 

毕业学生:

凌浩,滴滴

高品,谷歌(美国)

张超,重庆农商银行

孙崇林,Facebook(美国)

李超,微软(美国)

刘为勇,中电海康

毛璐,SAP

柳攀,贝壳

宝颜鹏,医渡云

杨浩宇, 明尼苏达大学博士(美国)

许铭,百度

程克,北京航空航天大学博士

程世成,阿里巴巴

毛亚坤,渤海银行

 

 

大连理工大学金博教授课题组招收2021年秋入学研究生(计算机科学专业)

课题组招收已参加具有大连理工大学保研资格以及参加大连理工大学计算机学院21年研究生入学考试的优秀考生,欢迎满足以下条件的同学联系我们:

要求:

  1. 具有一定的编程能力;
  2. 对数据挖掘和大数据分析有兴趣;
    请将个人简历发送至jinbo@dlut.edu.cn

课题组研究方向:
数据挖掘、大数据分析、创新管理、商务智能

金教授简介:
金博,大连理工大学教授(个人主页:
大连理工大学教师个人主页系统 金博--金博)。致力于数据挖掘、大数据分析、创新管理、商务智能等领域的科学研究。主持了国家自然科学基金面上项目、青年项目、辽宁省高校科研项目、辽宁省博士启动基金项目、国家重点实验室开放课题等课题,参与科技部国家重点研发计划“精准医疗研究”项目、国家自然科学基金重点项目和重大研究计划培育项目、863计划项目等国家级课题。在相关领域重要国际期刊及会议上发表论文60余篇,近年来多篇论文在数据挖掘领域顶级期刊(KDD、AAAI、ICDM、SDM、PAKDD等)收录,担任数据挖掘领域三大顶级会议KDD、ICDM、SDM的程序委员,是ACM、IEEE和CCF高级会员。
科研方面,主要研究方向为医疗健康大数据分析、智能产品创新设计与专利挖掘等。作为项目负责人承担科研项目6项,获得国家自然科学基金青年基金项目1项,辽宁省高校科研项目1项,国家重点实验室开放课题项目1项,华为技术有限公司等委托的横向科研项目3项,撰写申请并参与国家自然科学基金项目2项,累计发表学术论文60篇,申请发明专利3项,软件著作权1项。
学术合作方面,与美国罗格斯新泽西州立大学熊辉教授建立密切合作关系,共同开展专利挖掘、医疗健康数据挖掘等方面的研究,相关论文被大数据领域顶级会议KDD、AAAI、ICDM录用为长文。与美国康奈尔大学教授王飞针对医疗健康大数据分析进行合作研究,相关论文发表在大数据领域顶级会议KDD、AAAI上,受到广泛关注。在国内与中国科学技术大学陈恩红教授课题组,以及中科院数据中心等单位建立长期合作关系。担任数据挖掘领域三大顶级会议KDD、ICDM、SDM的程序委员,曾参加国内权威科学会议第507次香山科学会议科学大数据专题讨论。

Selected Paper List:

Jin B, Qu Y, Zhang L, Gao Z. Diagnosing Parkinson Disease Through Facial Expression Recognition: Video Analysis. J Med Internet Res 2020;22(7):e18697. DOI: 10.2196/18697

 

Zhuang Liu, Keli Xiao, Bo Jin, Kaiyu Huang, Degen Huang, and Yunxia Zhang. 2020. Unified Generative Adversarial Networks for Multiple-Choice Oriented Machine Comprehension. ACM Trans. Intell. Syst. Technol. 11, 3, Article 25 (May 2020), 20 pages. DOI: https://doi.org/10.1145/3372120.

 

Lihao Zhang, Zeyang Ye, Keli Xiao, and Bo Jin. A Parallel Simulated Annealing Enhancement of the Optimal-Matching Heuristic for Ride Sharing. ICDM2019.

 

 L Sun, B JIN, H Yang, J Tong, C Liu, H Xiong. Unsupervised EEG feature extraction based on echo state network. Information Sciences 475, 1-‌17, Elsevier, 2019/‌2/‌1

 

Zhang L, Xiao K, Zhu H, Liu C, Yang J, Jin B. Caden: A context-aware deep embedding network for financial opinions mining. In2018 IEEE International Conference on Data Mining (ICDM) 2018 Nov 17 (pp. 757-766). IEEE

 

Xu X, Fu Y, Xiong H, Jin B, Li X, Hu S, Yin M. Dr. right!: embedding-based adaptively-weighted mixture multi-classification model for finding right doctors with healthcare experience data. In2018 IEEE International Conference on Data Mining (ICDM) 2018 Nov 17 (pp. 647-656). IEEE.


Jin B, Yang H, Sun L, et al. A Treatment Engine by Predicting Next-Period Prescriptions[C]//Proceedings of the 24th ACM SIGKDD International Conference on Knowledge Discovery & Data Mining. ACM, 2018: 1608-1616.

Feng L, Wang H, Jin B, et al. Learning a Distance Metric by Balancing KL-Divergence for Imbalanced Datasets[J]. IEEE Transactions on Systems, Man, and Cybernetics: Systems, 2018.

Che C, Xiao C, Liang J, et al. An RNN Architecture with Dynamic Temporal Matching for Personalized Predictions of Parkinson's Disease[C]//Proceedings of the 2017 SIAM International Conference on Data Mining. Society for Industrial and Applied Mathematics, 2017: 198-206.

Jin B, Yang H, Xiao C, et al. Multitask dyadic prediction and its application in prediction of adverse drug-drug interaction[C]//Proceedings of the Thirty-First AAAI Conference on Artificial Intelligence. 2017.

Jin B, Che C, Yu K, et al. Minimizing Legal Exposure of High-Tech Companies through Collaborative Filtering Methods[C]//Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining. ACM, 2016: 127-136.

Guo L, Jin B, Yao C, et al. Which doctor to trust: a recommender system for identifying the right doctors[J]. Journal of medical Internet research, 2016, 18(7).

Sun C, Zhou C, Jin B, et al. Efficient methods for multi-label classification[C]//Pacific-Asia Conference on Knowledge Discovery and Data Mining. Springer, Cham, 2015: 164-175.

Jin B, Ge Y, Zhu H, et al. Technology prospecting for high tech companies through patent mining[C]//Data Mining (ICDM), 2014 IEEE International Conference on. IEEE, 2014: 220-229.

研究生毕业去向:
谷歌、微软、Facebook、百度、滴滴、医渡云、SAP、链家等

大连理工大学金博教授课题组招收2019年秋入学考研生(计算机科学专业)

课题组招收已参加大连理工大学计算机学院19年研究生入学考试的优秀考生,欢迎满足以下条件的同学联系我们:

要求:

  1. 具有一定的编程能力;
  2. 对数据挖掘和大数据分析有兴趣;
    请将个人简历发送至zaxywl@mail.dlut.edu.cn

课题组研究方向:
数据挖掘、大数据分析、创新管理、商务智能

金教授简介:
金博,大连理工大学教授(个人主页:
大连理工大学教师个人主页系统 金博--金博)。致力于数据挖掘、大数据分析、创新管理、商务智能等领域的科学研究。主持了国家自然科学基金面上项目、青年项目、辽宁省高校科研项目、辽宁省博士启动基金项目、国家重点实验室开放课题等课题,参与科技部国家重点研发计划“精准医疗研究”项目、国家自然科学基金重点项目和重大研究计划培育项目、863计划项目等国家级课题。在相关领域重要国际期刊及会议上发表论文60余篇,近年来多篇论文在数据挖掘领域顶级期刊(KDD、AAAI、ICDM、SDM、PAKDD等)收录,担任数据挖掘领域三大顶级会议KDD、ICDM、SDM的程序委员,是ACM、IEEE和CCF高级会员。
科研方面,主要研究方向为医疗健康大数据分析、智能产品创新设计与专利挖掘等。作为项目负责人承担科研项目6项,获得国家自然科学基金青年基金项目1项,辽宁省高校科研项目1项,国家重点实验室开放课题项目1项,华为技术有限公司等委托的横向科研项目3项,撰写申请并参与国家自然科学基金项目2项,累计发表学术论文60篇,申请发明专利3项,软件著作权1项。
学术合作方面,与美国罗格斯新泽西州立大学熊辉教授建立密切合作关系,共同开展专利挖掘、医疗健康数据挖掘等方面的研究,相关论文被大数据领域顶级会议KDD、AAAI、ICDM录用为长文。与美国康奈尔大学教授王飞针对医疗健康大数据分析进行合作研究,相关论文发表在大数据领域顶级会议KDD、AAAI上,受到广泛关注。在国内与中国科学技术大学陈恩红教授课题组,以及中科院数据中心等单位建立长期合作关系。担任数据挖掘领域三大顶级会议KDD、ICDM、SDM的程序委员,曾参加国内权威科学会议第507次香山科学会议科学大数据专题讨论。

Selected Paper List:
Jin B, Yang H, Sun L, et al. A Treatment Engine by Predicting Next-Period Prescriptions[C]//Proceedings of the 24th ACM SIGKDD International Conference on Knowledge Discovery & Data Mining. ACM, 2018: 1608-1616.

Feng L, Wang H, Jin B, et al. Learning a Distance Metric by Balancing KL-Divergence for Imbalanced Datasets[J]. IEEE Transactions on Systems, Man, and Cybernetics: Systems, 2018.

Che C, Xiao C, Liang J, et al. An RNN Architecture with Dynamic Temporal Matching for Personalized Predictions of Parkinson's Disease[C]//Proceedings of the 2017 SIAM International Conference on Data Mining. Society for Industrial and Applied Mathematics, 2017: 198-206.

Jin B, Yang H, Xiao C, et al. Multitask dyadic prediction and its application in prediction of adverse drug-drug interaction[C]//Proceedings of the Thirty-First AAAI Conference on Artificial Intelligence. 2017.

Jin B, Che C, Yu K, et al. Minimizing Legal Exposure of High-Tech Companies through Collaborative Filtering Methods[C]//Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining. ACM, 2016: 127-136.

Guo L, Jin B, Yao C, et al. Which doctor to trust: a recommender system for identifying the right doctors[J]. Journal of medical Internet research, 2016, 18(7).

Sun C, Zhou C, Jin B, et al. Efficient methods for multi-label classification[C]//Pacific-Asia Conference on Knowledge Discovery and Data Mining. Springer, Cham, 2015: 164-175.

Jin B, Ge Y, Zhu H, et al. Technology prospecting for high tech companies through patent mining[C]//Data Mining (ICDM), 2014 IEEE International Conference on. IEEE, 2014: 220-229.

研究生毕业去向:
谷歌、微软、Facebook、百度、滴滴、医渡云、SAP、链家等

疾病智能诊断

以帕金森病等神经系统疾病作为对象,研究了神经系统对面部及声带小肌肉群的控制障碍机制,通过患者临床数据,提出处方智能评估及预测模型。论文发表在数据挖掘顶级会议KDD2018上,在此基础上开发了国内第一款使用语音识别和人脸识别技术对帕金森患者进行诊断和康复训练的智能应用,获得国家自然科学基金和下一代互联网技术创新项目资助。联合大连市帕金森诊疗联盟开展临床验证,参与大连市国际帕金森日大型义诊,取得良好的社会效益。

Papers:

[1] Jin B, Yang H, Sun L, et al. A Treatment Engine by Predicting Next-Period Prescriptions[C]//Proceedings of the 24th ACM SIGKDD International Conference on Knowledge Discovery & Data Mining. ACM, 2018: 1608-1616.

药物相互作用预测

 

提出了用于预测药物相互作用的人工智能模型,实现同时检测多个潜在的药物相互作用路径,与现有仅能分析已知不良反应,或对未知不良反应仅能预测有无的方法相比,提出的模型不仅可以准确地描述任务关联性,还有效地控制了在临床观测数据上协变量的混杂效应,实现发现药品未知不良反应的能力。论文发表在人工智能顶级会议AAAI2017上,并受邀参与美国医学信息学协会AMIA2017年会做专题报告。获得2项科技部重点研发计划项目及国家自然科学基金资助。

Papers:

[1] Jin B, Yang H, Xiao C, et al. Multitask dyadic prediction and its application in prediction of adverse drug-drug interaction[C]//Thirty-First AAAI Conference on Artificial Intelligence. 2017.

技术创新规律挖掘

 

以专利文本数据深入分析为切入点,研究挖掘技术创新发展规律方法,从专利技术挖掘、专利竞争挖掘、专利交易价值三个方面,提出基于主题分析、排序学习、矩阵分解的创新模型和算法,建立了面向企业的智能技术服务管理框架。论文发表在数据挖掘顶级会议ICDM2014和KDD2016(我校计算机学科第一篇KDD论文)。获得国家自然科学基金项目支持,相关技术通过横向项目方式应用在华为公司、小米公司(小米知识产权战略部,即智谷公司)等国内科技领军企业。

Papers:

[1] Jin B, Ge Y, Zhu H, et al. Technology prospecting for high tech companies through patent mining[C]//2014 IEEE International Conference on Data Mining. IEEE, 2014: 220-229.

[2] Jin B, Che C, Yu K, et al. Minimizing legal exposure of high-tech companies through collaborative filtering methods[C]//Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining. ACM, 2016: 127-136.

访问量:390