简 历：
研究员、博士生导师。在领域重要国际学术会议与期刊发表多项成果，获国际最佳论文奖、最佳论文选提名等。出版专著1部，授权发明专利12项。主持过2项重点项目总承课题，多项国家自然基金、北京基金、企业项目等。技术成果先后获2020国家技术发明奖二等奖，2023中国电子学会科技进步二等奖等奖项。
研究兴趣包括：通用人工智能（AGI）所面临的知识编辑、上下文忠实、安全生成等可信的大基础模型技术；面向高质量数据构建和治理的大图数据挖掘、近似算法、图压缩与总结方法等。
通用人工智能离不开可信的模型推理与高质量的数据，而图数据是许多重要应用领域的基础数据形态，其规模巨大、交互关联复杂，如社会网络中人与人的交互、金融网络中账户间的交易、细胞中蛋白质间的交互、科技情报中创新主体与技术间的联系等等。因此，一方面这种大图数据的挖掘存在很多挑战，需要融合模型来更好解决复杂任务中无序化数据理解和推理问题；另一方面以大图挖掘技术构造高质量大规模知识图，以大图增强智能生成，以可信的大基础模型技术推动解决重要应用领域中的关键问题。
研究强调可扩展、鲁棒、可解释的方法。
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）访学
2005/09 - 2010/06，清华大学，直接攻读博士学位
2001/08 - 2005/07，西安电子科技大学，学士学位
科研与学术工作经历：
2024/10至今，中国科学院计算技术研究所，研究员
2014/09-2024/10，中国科学院计算技术研究所，副研究员
2010/07-2014/09，中国科学院计算技术研究所，助理研究员
2016/08-2017/08，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, pp. 2235-2248, Dec. 1 2019.
[2] Wenjie Feng, Shenghua Liu, Danai Koutra, Xueqi Cheng, "Unified Dense Subgraph Detection: Fast Spectral Theory based Algorithms", IEEE Transactions on Knowledge and Data Engineering (TKDE), Vol 36, Issue 3, pp. 1356 -1370, 2024.
[3] Shenghua Liu, Bin Zhou, Quan Ding, Bryan Hooi, Zhengbo Zhang, Huawei Shen, Xueqi Cheng, "Time Series Anomaly Detection with Adversarial Reconstruction Networks," IEEE Transactions on Knowledge and Data Engineering (TKDE), Vol 35, Issue 4, 01 April 2023, pp.4293-4306.
[4] Houquan Zhou, Shenghua Liu, Huawei Shen, Xueqi Cheng, Node Embedding Preserving Graph Summarization , ACM Transactions on Knowledge Discovery from Data (TKDD), Vol 18, Issue 6, No. 145, pp. 1-19, 2024.
[5] Wenjie Feng, Li Wang, Bryan Hooi, See-Kiong Ng, and Shenghua Liu, Interrelated Dense Pattern Detection in Multilayer Networks, IEEE Transactions on Knowledge and Data Engineering (TKDE) , Vol 36, Nov. 2024, pp. 6462-6476.
会议文章：
[1] 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. (最佳学生数据挖掘论文奖)
[2] Baolong Bi, Shenghua Liu, Yiwei Wang, Lingrui Mei, and Xueqi Cheng, LPNL: Scalable Link Prediction with Large Language Models, In Proc. of the Findings of the Association for Computational Linguistics (ACL), 2024: 3615–3625.
[3] Lingrui Mei, Shenghua Liu, Yiwei Wang, Baolong Bi, and Xueqi Cheng, SLANG: New Concept Comprehension of Large Language Models, In Proc. of the 2024 Conference on Empirical Methods in Natural Language Processing (EMNLP 2024), 2024.
[4] Houquan Zhou, Shenghua Liu, Huawei Shen, Xueqi Cheng, Graph Summarization for Preserving Spectral Characteristics , In Proc. of the SIAM International Conference on Data Mining (SDM24), pp. 271- 279, 2024.
[5] Houquan Zhou, Shenghua Liu, Danai Koutra, Huawei Shen, Xueqi Cheng, A provable framework of learning graph embeddings via summarization, AAAI Conference on Artificial Intelligence (AAAI) 2023.
[6] 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.
[7] 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.
[8] Bryan Hooi, Kijung Shin, Shenghua Liu, Christos Faloutsos, SMF: Drift-Aware Matrix Factorization with Seasonal Patterns, In Proc. of the SIAM International Conference on Data Mining (SDM19), 2019.
[9] 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.
[10] Bryan Hooi, Shenghua Liu, Asim Smailagic, and Christos Faloutsos, BEATLEX: Summarizing and Forecasting Time Series with Patterns, The European Conference on Machine Learning & Principles and Practice of Knowledge Discovery in Databases (ECML-PKDD), Macedonia, 2017.
专利：
[1] 刘盛华，程学旗，周厚铨，刘财政，沈华伟，一种同质关系大图的摘要提取方法及系统，申请日：2021.03.23，授权日：2023.12.12，专利号：ZL202110308958.7
[2] 刘盛华，石川，程学旗，李香峰，沈华伟，刘财政，一种稠密多部子图的检测方法及系统，申请日：2020.01.21, 授权日：2023.10.31，专利号：ZL202010071390.7
[3] 刘盛华，程学旗，郭嘉丰，刘悦，廖华明，朱亚涛，社会标签自动标注的方法以及社会标签自动标注器，申请日：2011.09.07，授权日：2016.03.30，专利号：ZL201110263798.5
[4] 程学旗，刘盛华，喻文健，张嘉宝，冯文杰，沈华伟，针对流式图的密集子图检测方法及系统，申请日：2018.12.10，授权日：2020-11-03，专利号：ZL201811503421.0
[5] 程学旗，刘盛华，李福鑫，王元卓，刘悦，一种短文本数据的事件演化分析方法，申请日：2013.03.15，授权日：2015.07.29，专利号：ZL201310082990.3
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，2020.05–2021.12，已结题，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] 企业项目：图挖掘算法研究及反洗钱应用验证，2021/02-2023/12，180万，主持
[7] 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
[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] 国家自然科学基金联合项目: 大规模属性异质图表示与挖掘方法，2022/01-2025/12，主要参与人
[10] 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，主要参与人
获奖及荣誉：
(1) 国家技术发明奖二等奖（2020）
(2) 中国电子学会科技进步二等奖（2023）
(3) 最佳学生（数据挖掘）论文奖（2020欧洲机器学习和数据挖掘会议ECML-PKDD）
(4) 最佳论文候选提名 (2010亚太设计自动化会议ASP-DAC)
(5) 微软（亚洲）学者 (MSRA Fellowship 2009)
刘盛华 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/