!!Research output per year
!!Research output per year
个人简介
个人简介
姓名：刘琼昕
所在学科：计算机应用技术
职称：副教授
联系电话：
E-mail：summer@bit.edu.cn
通信地址：北京市海淀区中关村南大街5号中心教学楼1045个人信息
刘琼昕，女，博士，副教授，硕士生导师。1996 年 7 月起在北京理工大学计算机学院工作至今。研究方向包括：人工智能、机器学习、知识图谱、任务规划相关技术，主持和参与多项科技部科技支撑项目、863 重大科研项目、自然科学基金、部委科技预研项目等，取得多项创新性成果。主讲本科生专业必修课《离散数学》、《机器学习》。
研究领域和方向
科研方向
1.知识图谱
使用深度学习等方法研究知识推理、关系抽取等知识图谱构建的关键技术，研究知识图谱在多个领域的应用，包括搜索、推荐、问答等。
2.基于AI的任务规划及相关技术
针对复杂环境约束、任务约束和目标约束，应用群体智能方法（遗传算法、蚁群算法、粒子群算法等），研究多目标优化问题中协同任务分配、高维多目标规划、资源受限任务调度等关键技术。
1.知识图谱
使用深度学习等方法研究知识推理、关系抽取等知识图谱构建的关键技术，研究知识图谱在多个领域的应用，包括搜索、推荐、问答等。
2.基于AI的任务规划及相关技术
针对复杂环境约束、任务约束和目标约束，应用群体智能方法（遗传算法、蚁群算法、粒子群算法等），研究多目标优化问题中协同任务分配、高维多目标规划、资源受限任务调度等关键技术。
教育背景
个人信息
刘琼昕，女，博士，副教授，硕士生导师。1996 年 7 月起在北京理工大学计算机学院工作至今。研究方向包括：人工智能、机器学习、知识图谱、任务规划相关技术，主持和参与多项科技部科技支撑项目、863 重大科研项目、自然科学基金、部委科技预研项目等，取得多项创新性成果。主讲本科生专业必修课《离散数学》、《机器学习》。
刘琼昕，女，博士，副教授，硕士生导师。1996 年 7 月起在北京理工大学计算机学院工作至今。研究方向包括：人工智能、机器学习、知识图谱、任务规划相关技术，主持和参与多项科技部科技支撑项目、863 重大科研项目、自然科学基金、部委科技预研项目等，取得多项创新性成果。主讲本科生专业必修课《离散数学》、《机器学习》。
工作履历
个人信息
刘琼昕，女，博士，副教授，硕士生导师。1996 年 7 月起在北京理工大学计算机学院工作至今。研究方向包括：人工智能、机器学习、知识图谱、任务规划相关技术，主持和参与多项科技部科技支撑项目、863 重大科研项目、自然科学基金、部委科技预研项目等，取得多项创新性成果。主讲本科生专业必修课《离散数学》、《机器学习》。
刘琼昕，女，博士，副教授，硕士生导师。1996 年 7 月起在北京理工大学计算机学院工作至今。研究方向包括：人工智能、机器学习、知识图谱、任务规划相关技术，主持和参与多项科技部科技支撑项目、863 重大科研项目、自然科学基金、部委科技预研项目等，取得多项创新性成果。主讲本科生专业必修课《离散数学》、《机器学习》。
研究成果
代表性学术成果
2017——（本人一作或者学生一作）
[1] Curriculum learning for distant supervision relation extraction[J]. Journal of Web Semantics, 2020, 61-62(Feb):100559. DOI：10.1016/j.websem.2020.100559.
[2] Distant Supervised Relation Extraction with Position Feature Attention and Selective Bag Attention. Neurocomputing（已录用）
[3] 基于全局覆盖机制与表示学习的生成式知识问答技术[J/OL].自动化学报:1-14[2021-05-08].https://doi.org/10.16383/j.aas.c190785.
[4] Panoramic video stitching of dual cameras based on spatio-temporal seam optimization[J]. Multimedia Tools and Applications, 2020, 79(5):3107-3124.
[5] 一种融合实体关联性约束的表示学习方法[J].北京理工大学学报,2020,40(01):90-97.
[6] 基于知识增强的深度新闻推荐网络[J].北京理工大学学报,2021,41(03):286-294.
[7] 复杂网络下基于路径选择的表示学习方法[J].北京理工大学学报,2020,40(03):282-289.
[8] An Advanced Load Balancing Strategy for Cloud Environment[C]// International Conference on Parallel & Distributed Computing. IEEE, 2017.
[9] 一种基于实体关联性约束的表示学习方法[P]. 北京市：CN108647258B,2020-12-22.
[10] 一种基于知识表示学习的协同矩阵分解方法[P]. 北京市：CN108804565B,2021-04-13.
所获奖励
[1] 分布式数据存储访问与安全技术. 2011年获部委科技进步三等奖
[2] 辅助决策技术. 2001年获部委科技进步三等奖
指纹图谱
深入其中 Qiongxin Liu 为活跃的研究主题。这些主题标签来自此人的成果。它们共同形成唯一的指纹。
- 1 相似简介
-
基于预训练语言模型和双模态编码器的远程监督关系抽取方法
Liu, Q., Fang, S. & Niu, W., 3月 2025, 在: Beijing Ligong Daxue Xuebao/Transaction of Beijing Institute of Technology. 45, 3, 页码 308-320 13 页码科研成果: 期刊稿件 › 文章 › 同行评审
3 在新选项卡中打开链接 引用 （Scopus） -
融合知识和约束图的远程监督关系抽取方法
Liu, Q., Niu, W. & Wang, J., 7月 2024, 在: Beijing Ligong Daxue Xuebao/Transaction of Beijing Institute of Technology. 44, 7, 页码 731-739 9 页码科研成果: 期刊稿件 › 文章 › 同行评审
1 在新选项卡中打开链接 引用 （Scopus） -
基于全局覆盖机制与表示学习的生成式知识问答技术
Liu, Q. X., Wang, Y. N., Long, H., Wang, J. S. & Lu, S. S., 10月 2022, 在: Zidonghua Xuebao/Acta Automatica Sinica. 48, 10, 页码 2392-2405 14 页码科研成果: 期刊稿件 › 文章 › 同行评审
1 在新选项卡中打开链接 引用 （Scopus） -
一种融合关系抽取的推荐系统
Gao, C., Lu, S., Liu, Q. & Song, X., 11月 2022, 在: Beijing Ligong Daxue Xuebao/Transaction of Beijing Institute of Technology. 42, 11, 页码 1191-1199 9 页码科研成果: 期刊稿件 › 文章 › 同行评审
8 在新选项卡中打开链接 引用 （Scopus） -
Distant supervised relation extraction with position feature attention and selective bag attention
Wang, J. & Liu, Q., 21 10月 2021, 在: Neurocomputing. 461, 页码 552-561 10 页码科研成果: 期刊稿件 › 文章 › 同行评审
11 在新选项卡中打开链接 引用 （Scopus）