姓 名：

毕琳

性 别：

女

职 称：

讲师

职    务：

教师

学 历：

研究生

电子邮箱：

Bilin7080@163.com

个人简介

毕琳：博士，CCF会员。2016年毕业于中国科学院大学，获博士学位。研究方向包括智能算法、本体工程，特别在网络安全数据的智能算法方面开展了深入研究。

先后主持、参与国家863计划子课题及多项省部级课题。已在国内外核心刊物上发表论文10余篇。出版学术专著一部、主编教材一部、第八届长春理工大学教学成果奖。目前承担了本科生《算法分析与设计》、《移动互联网导论》、《数据结构》等课程的教学任务。

研究领域

智能算法、本体工程

研究概况

我的主要研究兴趣为智能算法与本体工程在安全情报分析中的应用。主要工作分为以下方面：

自适应语义演化方法是指在大数据分布式交互背景下，语义随着当前数据环境的变化而智能分析及自动决策的过程。从应用实际出发，研究语义演化的自适应性及其基本原理。自适应的语义演化过程包括：情报数据的获取、智能分析、自动决策、自动执行等步骤。语义表达模型采用本体为表达方式。自适应语义演化目标是：同机器学习算法融合，提高大数据处理的准确性；解构本体，实现语义单元参与并行化情报计算，提高自适应效率；无监督式本体智能决策，减少自评估时间，并保证本体一致性。

在科学第四范式的前提下，情报分析的效果很大程度上取决于情报计算的效率和正确性，而语义计算可以有效克服机器学习实践中的缺陷。情报分析的过程实质上是一个以信息资源为输入，利用计算技术将海量数据转化为有价值信息的价值增值过程，情报计算智能化一直是其追求的目标。而语义计算从诞生就是为了智能化这个目的，但是两者之间的契合从技术上仍然存在障碍，从理论上也缺乏具体的机理分析。通过案例驱动方法，研究语义计算与情报计算两者的契合方法、流程。具体内容包括：语义计算与情报计算相互作用的内涵、条件、相互作用系统的基本特点、创新与融合方式、关联程度等方面。通过项目的开展，创新性地完成语义计算与基于机器学习的情报计算的理论及实践研究。

情报计算有着特定的生成机理，从情报计算的过程来分析，从问题界定、建立假说、数据获取、数据计算、归因分析、情报发现等方面，结合自适应语义演化的情报计算方法，总结情报计算的理论模型。依据理论模型，通过社会化网络数据验证模型的有效性及自适应语义为指导的情报计算方法的效率。

研究课题

主持课题：

吉林省教育厅“十三五”科学技术研究规划项目

网络舆情计算系统的研究与实现

奖励与荣誉

第八届长春理工大学教学成果奖

学术成果

1、Social   Network Information Visualization Based on Fruchterman Reingold Layout. Algorithm ICBDA 2018

2、Structure   simulation and vibration spectra of KTm0.1Yb0.9(WO4)2 laser crystal. Chinese Journal of luminescence 2018

3、Social   Network Recommendation Algorithm Based on ICIP. ISCC2017

4、Analyzing   Behavior of the Social Media Users Through Swarm Intelligence Perspective. ICCSNT2016

5、Ontology   modularization method based on the K-PSO algorithm. CISP-BMEI 2016