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.
创建: Feb 22, 2019 | 12:36
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.
创建: Feb 22, 2019 | 12:36
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.
创建: Feb 22, 2019 | 12:35
