当前位置: 首页 · 师资队伍 · 博士 · 正文

博士

王贵参
来源: 发布日期:2019/04/16 点击量:

长春工业大学澳门银银河官方网址登录

硕士研究生导师信息表

姓名

王贵参

性别


学位

博士

出生年月

1987.12

职称

讲师

职务

计算机系副主任

电子邮箱

wangguishen@ccut.edu.cn

社会兼职

Knowledge and Information SystemsNeural Processing LettersApplied IntelligenceCCF推荐期刊审稿人

主讲本科课程

人工智能导论;Web前端开发技术AJava程序设计

主讲研究生课程

深度学习算法实践

研究方向

人工智能;生物信息;自然语言处理;社交网络分析;图表示学习

图是一类重要的表征现实世界的数据形式,对于图的相关研究对理论研究和实际应用都有重要意义。图是人工智能和社会计算领域的重要研究方向。针对图的相关研究可应用在生物信息网络、自然语言处理等领域。目前在图方向感兴趣的研究问题有:链接预测、图表示学习、文本分类、生成式语言模型和图神经网络。

围绕图领域的主要问题及生物信息、自然语言处理领域的应用问题展开研究,在相关领域已发表论文16篇,其中SCI检索论文15篇,EI检索论文1篇。

主持吉林省科技厅项目1项(在研)、吉林省教育厅十三五科研项目1项(已结题)、十四五科研项目1项(已结题),横向项目2项(在研)。

学习与工作

经历

2006.092010.07,中国石油大学(华东),数学与计算科学学院,本科生,获理学学士学位;

2010.092013.07,吉林大学,计算机科学与技术学院,硕士研究生,获工学硕士学位;

2013.092016.12,吉林大学,计算机科学与技术学院,博士研究生,获工学博士学位;

2017.03月-至今,长春工业大学,澳门银银河官方网址登录,讲师;

2019.05月—至今,计算机科学与技术系 系副主任。

科研项目

1.基于图注意力机制的司法诉讼案件文本命名实体和摘要生成方法研究,吉林省科技厅自然科学基金自由探索一般项目(编号:YDZJ202201ZYTS424),2022.07—至今,主持.

2.融合语义信息的边社区发现算法研究,吉林省教育厅“十四五”科学技术项目(合同编号:JJKH20210752KJ),2021.012022.12,主持.

3.复杂网络中边社区发现算法研究,吉林省教育厅“十三五”科学技术项目(合同编号:JJKH20181047KJ),2018.012019.12,主持.

4.基于引力场优化的扩展边重叠社区发现及应用研究,国家自然科学基金面上项目(61472159),2015.012018.12,参加人,排名6/10.

5.基于信息挖掘的商务智能系统,吉林省科技发展计划重点项目(20110354),2011.062013.12,参加人,排名9/10.

学术成果

1. 论文:

1.Wang Hongmei, Guo Fang, Du   Mengyan, Guishen Wang, Chen Cao. A novel method for drug-target   interaction prediction based on graph transformers model[J]. BMC   bioinformatics, 2022, 23(1): 1-17.CCF   C类期刊,SCI四区,IF=3.307

2.Wang Guishen, Li Hao,   Pu Jiajia, et al. A novel link prediction method integrated link attributes   for directed graph[J]. International Journal of Modern Physics B, 2022,   36(19): 2250113.SCI四区,IF=1.404

3. Wang Guishen, Wang Kaitai, Wang Hongmei, et   al. Uncovering local community structure on line graph through degree   centrality and expansion[J]. International Journal of Modern Physics B, 2021,   35(08): 2150120.

4. Liu Zhihua, Wang Hongmei*, Wang   Guishen*, et al. Link community detection combined with network pruning   and local community expansion[J]. Modern Physics Letters B, 2021, 35(05):   2150098. (SCI四区 IF=1.224)

5. Wang Guishen, Wang   Yuanwei, Wang Kai, et al. An overlapping community detection algorithm based   on node distance of line graph[J]. Modern Physics Letters B, 2019, 33(26):   1950322. (SCI四区 IF=1.224)

6. Wang Guishen, Huang   Lan*, Wang Yan*, et al. Link community detection based on line graphs with a   novel link similarity measure[J], International Journal of Modern Physics B,   30(6): 1650023, 2016. (SCI四区,IF=0.833)

7. Wang Yan, Wang Guishen,   Meng Di, et al. A markov clustering based link clustering method to identify   overlapping modules in protein-protein interaction networks[J]. Current   Bioinformatics, 2016, 11(2): 221-233. (SCI四区   IF=2.068)

8. Huang Lan, Wang Guishen,   Wang Yan*,et al. A link density clustering algorithm based on automatically   selecting density peaks for overlapping community detection[J], International   Journal of Modern Physics B. 2016, 30(24): 1650167. (SCI四区,IF=0.833)

9. Huang Lan, Wang Guishen,   Wang Yan*, Blanzieri Enrico*, et al. Link clustering with extended link   similarity and EQ evaluation division[J], Plos One, 8(6): e66005 , 2013. (SCI三区,IF=2.74

10. Feng Yuncong, Liu Wanru,   Zhang Xiaoli, Liu Zhicheng, Liu Yunfei, Wangguishen. An Interval   Iteration Based Multilevel Thresholding Algorithm for Brain MR Image   Segmentation[J]. Entropy, 2021, 23(11): 1429.

11. Wang Yan, Wang Guishen,   Meng Di, et al. A Markov clustering based link clustering method for   overlapping module identification in yeast protein-protein interaction   networks[C]. Bioinformatics Research and Applications: 10th International   Symposium, ISBRA 2014, Zhangjiajie, China, June 28-30, 2014, Proceedings.   Springer, 2014, 8492: 385.

12. 王贵参, 黄岚*,   王岩*, . 引入极值非相邻连接的连接聚类方法[J]. 吉林大学学报(工学版), 46(5): 1616-1621, 2016. (EI期刊)

奖励与荣誉

1.优秀共产党员,校级,长春工业大学,2021.




注:请按说明及样例填写,科研项目等无须表头,按照格式直接填写内容,完成后将说明及样例去掉。


上一条:宋立明
下一条:王宏志

网站:www.jinnif.com

版权所有:澳门银银河官方网址登录(官方Vip认证) 吉ICP备05002091号-1    制作维护      旧站回顾

Baidu
sogou