1.  首页 >> 资源库 >> 中文 >> 计算所人才库
刘盛华  副研究员  


                                        
研究方向：

                                        
所属部门：智能算法安全重点实验室

                                        
导师类别：博导计算机软件与理论

                                        
联系方式：liushenghua@ict.ac.cn

                                        
个人网页：https://shenghua-liu.github.io/

                                    

                                

                            


                        

                    

                

            

            

                

                    

                        

                            

                                
简       历：

                                

                                    
研究兴趣包括：大图挖掘、时间序列挖掘，面向大图数据的近似算法、略图、流式分析、核外算法。大图相关的压缩与总结，对抗生成网络，图神经网络鲁棒性，以及在快速演变（时序）环境中异常行为、模式的检测和趋势预测等方面的研究。 
图和时间序列（多元）是许多重要应用领域的基础数据形态，如社会网络分析、用户行为建模、金融转账和交易、医疗健康的关联生理信号、生物医药的蛋白与化学分子网络、物联网监视信号等等。因此，如何融合多属性图对应的稀疏张量与时序分析是解决这些问题的关键。研究强调强调可扩展性、鲁棒、可解释、共识推理的方法。 
个人主页：https://shenghua-liu.github.io/ （及时更新） 
教育背景： 
2006/09 - 2007/12，美国加州大学洛杉矶分校（UCLA），客座访问 
2005/09 - 2010/06，清华大学，直接攻读博士学位 
2001/8 - 2005/7，西安电子科技大学 
科研与学术工作经历： 
2014/09-至今，中国科学院计算技术研究所，副研究员 
2010/07-2014/9, 中国科学院计算技术研究所，助理研究员 
2016/08-2017/08,美国卡内基梅隆大学 (CMU) 计算机科学系访问学者 （访问导师Christos Faloutsos） 

                                

                            

                            

                                
主要论著：

                                

                                    
期刊文章: 
[1] Shenghua Liu, Bryan Hooi, Christos Faloutsos, A Contrast Metric for Fraud Detection in Rich Graphs, IEEE Transactions on Knowledge and Data Engineering (TKDE), Vol 31, Issue 12, Dec. 1 2019, pp. 2235-2248. （SCI, h5-index 81, Google学术指标：数据挖掘和分析领域#2, CCF A） 
[2] Shenghua Liu, Huawei Shen, Houdong Zheng, Xueqi Cheng, Xiangwen Liao, "CT LIS: Learning Influences and Susceptibilities through Temporal Behaviors", ACM Transactions on Knowledge Discovery from Data (TKDD), Vol. 13, No. 6, Article 57, 2019. 
[3] Shenghua Liu, Xueqi Cheng, Fuxin Li, Fangtao Li, “TASC: Topic-Adaptive Sentiment Classification on Dynamic Tweets,” IEEE Transactions on Knowledge and Data Engineering (TKDE), Vol. 27, No. 6, June 2015, pp. 1696-1709. （SCI, h5-index 81, Google学术指标：数据挖掘和分析领域#2, CCF A） 

会议文章： 
[0] Shenghua Liu, Bryan Hooi, and Christos Faloutsos, "HoloScope: Topology-and-Spike Aware Fraud Detection," In Proc. of ACM International Conference on Information and Knowledge Management (CIKM), Singapore, 2017, pp.1539-1548. （EI, h5-index 54） 
[1] Xiangfeng Li, Shenghua Liu, Zifeng Li, Xiaotian Han, Chuan Shi#, Bryan Hooi, He Huang, Xueqi Cheng. "FlowScope: Spotting Money Laundering Based on Graphs," Thirty-Fourth AAAI Conference on Artificial Intelligence (AAAI) 2020. (EI, h5-index 126, Google学术指标：人工智能领域#4，CCF A) 
[2] Yiwei Wang, Shenghua Liu, Minji Yoon, Hemank Lamba, Wei Wang, Christos Faloutsos, and Bryan Hooi, " Provably Robust Node Classification via Low-Pass Message Passing ", In proc. of IEEE International Conference on Data Mining (ICDM), Sorrento, Italy, November 17-20, 2020.(长文接受率9.8%；在对抗攻击下，具有理论上届的、易加入的图卷积神经网路模块；线性鲁棒于攻击代价。) 
[3] Wenjie Feng, Shenghua Liu, Danai Koutra, Huawei Shen, Xueqi Cheng, " SpecGreedy: Unified Dense Subgraph Detection ", In proc. of the European Conference on Machine Learning and Principles and Practice of Knowledge Discovery in Databases (ECML-PKDD), Belgium, Sept 2020. (在40个真实世界的网络中验证，包括14.7亿边的大规模图) 
[4] Shenghua Liu, Houdong Zheng, Xiangwen Liao, Shenghua Wei, and Xueqi Cheng: Learning Concise Representations of Users' Influences through Online Behaviors, in Proc. the 26th International Joint Conference on Artificial Intelligence (IJCAI-17), Melbourne, Austrila, Aug. 2017, pp.2351-2357. （EI, h5-index 95, CCF A） 
[5] Bin Zhou, Shenghua Liu, Bryan Hooi, Xueqi Cheng, and Jing Ye. BeatGAN: Anomalous Rhythm Detection using Adversarially Generated Time Series, International Joint Conference on Artificial Intellince (IJCAI) 2019, pp4433-4439. （EI, h5-index 95, CCF A） 

专著： 
[1] 余智华、刘盛华、张衎、张宏莉、张玥，《在线社交网络结构特性与建模》，在线社交网络分析与信息传播丛书，科学出版社，2018年5月第一版。 

专利： 
[1] 一种基于视觉特征的图数据检测方法、系统 
[2] 针对流式图的密集子图检测方法及系统 
[3] 一种稠密多部子图的检测方法及系统 
[4]  DYNAMIC PUSH FOR TOPOLOGICAL ROUTING OF SEMICONDUCTOR PACKAGES (美国专利) 
[5] 面向网络流式数据的事件实时过滤方法和系统 
[6] 社会标签自动标注的方法以及社会标签自动标注器 
[7] 一种短文本数据的事件演化分析方法 
[8] 基于开放知识库的短文本语义概念自动化扩展方法及系统 
[9] 社会媒体事件的动态观点演变的可视化方法及设备 

                                

                            

                            

                                
科研项目：

                                

                                    
[1] 国家自然科学基金面上项目：大规模多属性图中的异常模式挖掘，2018/01-2021/12，主持； 
[2] 腾讯微信犀牛鸟专项研究计划：带有时域属性的超大规模异构网络中群体欺诈行为检测研究，2020/05-2021/05，主持； 
[3] 北京市自然科学基金面上项目：网络群体观点的形成与动力学建模，2017/01-2019/12,主持； 
[4] 国家自然科学基金面上项目：在线社会媒体中用户观点传播的建模与预测研究,2016/01-2016/12，主持； 
[5] 国家自然科学基金青年基金：考虑用户浏览行为的网络短文本推荐的研究，2013/01-2015/12，主持； 
[6] 国家自然科学基金联合基金项目（中心项目（X））：基于工业大数据的离散智能制造基础理论与关键技术研究，2020/01-2023/12，课题参与、参研单位负责人； 
[7] 科技部973计划：社交网络分析与网络信息传播的基础研究，2013/01-2017/08,课题参与； 
[8] 中国科学院战略性先导科技专项（A类）：地球大数据科学工程，2018/01-2022/12，课题参与； 
[9] 科技部973计划：网络大数据计算的基础理论及其应用研究，2014/01-2018/08,参与； 

                                

                            

                            

                                
获奖及荣誉：

                                

                                    
学术奖励与服务 
2009年微软亚洲学者(MSRA Fellowship 2009)； 
2010年清华大学优秀博士论文； 
2016/08-2017/08，国家留学基金资助出国留学，赴美国留学，访问学者； 
知名国际会议：ASPDAC亚太和南太平洋设计自动化会议 2010最佳论文提名奖。 
多个国际期刊IEEE TKDE、ACM TKDD、ACM TOIT、ACM TIST等，计算机学报、JCST、电子与信息学报等同行评审，多个国际会议AAAI、IJCAI、NIPS、ICDM、ECML-PKDD程序委员，以及中文信息学会“社会媒体处理”专委会（SMP）委员。 
国际期刊Complexity, Special Issue: Deep Structure Representation and Learning for Complex Information Networks的客座编辑。