漆桂林

发布者：漆桂林发布时间：2023-10-24浏览次数：6853

漆桂林，东南大学教授，博士生导师，东南大学认知智能研究所所长，获得江苏省六大人才高峰计划资助。现任中国中文信息学会语言与知识计算专业委员会副主任和中国科学技术情报学会知识组织专业委员会副主任。是澳大利亚Griffith大学访问教授（2011年11月-2012年2月和2013年6月-2013年7月）和法国图卢兹第一大学访问教授（2013年1月-2013年2月）。1998年毕业于宜春学院数学专业，2002年获得江西师范大学数学与信息系硕士学位，2006年获得英国贝尔法斯特女皇大学计算机博士学位。2006年8月至2009年8月在德国Karlsruhe大学AIFB研究所做博士后研究。

漆桂林教授长期从事人工智能、知识图谱、自然语言处理方面的科学研究及教学工作。截至目前，已经发表高质量学术论文200篇多篇，特别是在国际人工智能著名会议IJCAI、AAAI、KR、UAI以及国际语义Web著名会议ISWC、ESWC发表会议文章，在国际著名杂IEEE Transaction on Knowledge Engineering、Journal of Web Semantics、Information Science和 Fuzzy Sets and Systems等发表多篇杂志文章。指导学生发表的论文获得国际会议ICTAI2015最佳学生论文奖和CIKM最佳短文角逐奖。获得国际联合语义技术会议JIST2018最佳论文奖。申请发明专利30多项，其中18项获得授权。获得欧盟第七框架Marie Curie Actions— International Research Staff Exchange Scheme (IRSES)资助（漆桂林为其中一个workpackage的负责人）。获得多项国家自然科学基金资助，其中两项为项目负责人，一项为国家自然科学基金重点项目项目联合申请人。2014年获得百度主题研究项目资助。作为主要参与人参加了863大数据“类人类智能”方向的课题。

漆桂林教授是语义Web和知识图谱最权威杂志Journal of Web Semantics的副主编（该期刊中国大陆第一位副主编），是Semantic Web Journal的编委，是国际期刊Data Intelligence的主编，并且是国际著名人工智能杂志 Annals of mathematics and Artificial Intelligence, Journal of Applied Logic, International Journal of Approxiamte Reasoning的客座主编。漆桂林教授在多个重要的国际会议中组织关于本体推理和本体动态性的研讨会，这些国际会议包括：欧洲语义Web会议ESWC'08、欧洲人工智能会议 ECAI'08、国际人工智能会议IJCAI'09、欧洲人工智能会议ECAI'10和国际语义Web会议ISWC'10。漆桂林长期担任多个国际著名会议(AAAI，ISWC，IJCAI，KR等)的程序委员会成员，同时是多个国际杂志(Artificial Intelligence Journal等)的审稿人。

目前，已经与阿里巴巴、支付宝、中移动、腾讯、百度等公司，以及英国爱丁堡大学、德国的Karlsruhe大学、Ulm大学、澳大利亚Griffith University和Monash大学、法国图卢兹第一大学建立合作关系，包括学生互访和申请一些联合项目，特别是跟Monash大学和Ulm大学建立博士生双学位培养计划。

主要研究兴趣包括（但不限于）以下几方面:

· 人工智能：通过神经网络和符号逻辑对知识进行表示和推理，深度学习技术在文本和图像理解，类ChatGPT大语言模型的知识增强和常识推理

· 关键词：知识表示和推理、自然语言理解、深度学习、多模态图像理解、大语言模型

· 知识图谱：本体工程、知识抽取、知识融合、知识推理、知识更新

· 关键词：本体推理、知识演化、知识融合

· 知识挖掘：应用Web数据挖掘、信息抽取和机器学习技术构建大规模知识库

· 关键词：信息抽取、知识库构建、知识库清理

· 大数据：基于语义技术的大数据分析

· 关键词：情感分析、事件因果关系构建和事件预测

代表作 (未更新，最新论文参见https://dblp.uni-trier.de/pers/q/Qi:Guilin）

Qi, G. and Zhang, Z. Preferential Semantics for Plausible Subsumption in Possibility Theory, In Proceedings of the Twelfth International Conference on Principles of Knowledge Representation and Reasoning (KR'10), AAAI Press, Toronto, Canada, 2010.

Qi, G., Du, J., Liu, W., and Bell, D. Merging Knowledge Bases in Possibilistic Logic by Lexicographic Aggregation, In Proceedings of the 26th Conference on Uncertainty in Artificial Intelligence (UAI'10), AUAI Press, 2010.

Qi, G.. and Du, J. Model-based Revision Operators for Terminologies in Description Logics, In Proceedings of the Twenty-First International Joint Conference on Artificial Intelligence (IJCAI'09) , 2009.

Qi, G., Haase, P. and Ji, Q. A Conflict-based Operator for Mapping Revision--Theory and and Implementation, In Proceedings of the 8th International Semantic Web Conference (ISWC'09), 2009.

Suntisrivaraporn, B., Qi, G., Ji, Q., Haase, P. A Modularization-based Approach to Finding All Justifications for OWL DL Entailments, In Proceedings of the 3rd Asian Semantic Web Conference (ASWC'08), 1-15, Springer Verlag, 2008 (Best paper running-up award).

Qi, G., Haase, P., Huang, Z, Ji, Q., Pan, J.,Voelker, J. A Kernel Revision Operator for Terminologies, In Proceedings of the 7th International Semantic Web Conference (ISWC'08), pp. 419-434, Karlsruhe, Germany, 2008.

Qi, G.A Model-based Approach for Iterated Revision in Possibilistic Logic, in the 23th National Conference on Artificial Intelligence (AAAI'08), pp. 523-528, 2008.

Qi, G.A Model-based Approach for Merging Prioritized Knowledge Bases in Possibilistic Logic. In Proceedings of Twenty-Second Conference on Artificial Intelligence (AAAI'07), pp. 471-476, July 2007.

Qi, G., Liu, W. and Bell, D.A. Merging stratified knowledge bases under constraints. In Proceedings of 21th National Conference on Artificial Intelligence (AAAI'06), AAAI Press, pp. 281-286, 2006.

Qi, G., Liu, W., Glass, D.H., and Bell, D.A. Split-Combination approaches to merging possibilistic knowledge bases. Ann. Math. Artif. Intell. 48(1-2): 45-84, 2006.

Qi, G., Liu, W. and Bell, D.A. Measuring conflict and agreement between prioritized knowledge bases. In Proceedings of International Joint Conference on Artificial Intelligence ( IJCAI'05), Morgan Kaufmann, 552-558, 2005.

研究生指导原则

1. 每个进入实验室的研究生都有机会接受实验室的技术培训，包括但不限于机器学习和预训练模型培训、知识表示学习培训，通过培训学生将掌握人工智能方向的核心技术；

2. 每个学生加入一个研究小组，该小组至少有一位博士参与，研究生可以跟研究小组的同学一起学习和讨论，并且每周导师都会根据周报情况给予指导；

3. 学生通过参与项目锻炼科研能力，包括自然科学基金、科技部重点研发项目等纵向项目和企业横向项目，实验室跟阿里巴巴、支付宝、华为、中电集团有长期的项目合作，校企合作项目学生有机会在研一就去企业短期实习参与项目并撰写论文；

4. 导师会在研究方向选型、论文思路和方案制定、论文写作和投稿等方面给予指导，只要是积极跟导师讨论的同学，将给予全面的科研训练。

研究生招生要求

1. 有理想抱负，希望在研究方面有一定成就，而不是为了更好找工作来读研究生，感兴趣读博士者优先；

2. 心理健康，性格开朗，能够经受较大的学习压力，努力拼搏，实验室学生学习强度比较大，心理脆弱者、遇到不顺心的事喜欢抱怨或者斤斤计较者不适合到实验室学习；

3. 尊师重道，愿意听从老师教诲，对帮助自己的人心怀感恩之心，喜欢跟导师讨论问题；

4. 愿意遵守实验室规则，如果您是一个特立独行且不愿意受规则约束的人，请不要联系我；

5. 熟悉Java, python, pytorch或者tensorflow编程，算法功底扎实；

6. 感兴趣参与工程项目，对软件开发感兴趣；