杨亮，男，副教授，博士生导师。2004年和2007年于南开大学数学科学学院获得理学学士和硕士学位；2016年于中国科学院信息工程研究所信息安全国家重点实验室获得博士学位，研究方向为人工智能，机器学习与模式识别，数据挖掘，社交网络分析。2007-2009就职腾讯数据平台部研发工程师，2009-2010年就职百度商务搜索部研发工程师。2018年加入河北工业大学人工智能与数据科学学院。

学术成果：作为负责人主持国家自然科学基金项目2项，主持科技部重点专项子课题1项，重点实验室开放课题2项；参与国家自然科学基金项目9项。共发表论文23篇，其中SCI论文9篇，CCF A类论文11篇，包括IEEE Transactions on Image Processing，IEEE Transactions on Cybernetics，International Joint Conference on Artificial Intelligence，AAAI Conference on Artificial Intelligence，ACM International Conference on Multimedia，Neurocomputing，The World Wide Web Conference，European Conference on Computer Vision和Expert Systems with Applications等。担任国家自然科学基金函评专家，期刊Physica A, ACM Transactions on Knowledge Discovery from Data, IEEE Transactions on Image Processing, IEEE Transactions on Knowledge and Data Engineering, Scientific Reports审稿人，CCF A类国际会议International Joint Conferences on Artificial Intelligence (2018,2019)和AAAI Conference on Artificial Intelligence (2018, 2019, 2020) 评审委员。2019年荣获河北工业大学“元光学者（启航A）”荣誉称号。

研究领域：真实世界中的很多数据都可以通过网络的形式进行表示，包括微博、Twitter和Facebook在内的在线社交网络、通讯和Internet网络、网页及论文引用网络、道路和航空网络、蛋白质和生物网络等。挖掘蕴含在这些网络中的丰富信息，理解网络的功能及形成机理，不仅是人类更好认识世界的重要组成部分，而且也带动了很多产业的迅猛发展。Google等搜索引擎公司利用网页之前的引用关系发明了对网页进行排序的PageRank算法。包括淘宝和Amazon在内的在线购物网站，根据用户浏览、购买和评论产品所产生的异构信息网络所研发了基于协同过滤的推荐系统，不仅帮助用户找到可能感兴趣的产品也帮购物网站大幅提升了营业额。包括微博和Twitter在内的社交网络，可以根据你的关系网络为你推荐可能认识和感兴趣的人和内容。研究方向主要包括：

1、基于贝叶斯生成模型的网络特性检测研究。各类网络具有很多共有的特性，包括社群结构、小世界特性、同质性、幂率性。而这些特性是蕴含在观测到的网络中的，有效并高效的挖掘这些特性是网络分析的重要任务。贝叶斯学派是重要的机器学习分支。该分支不仅提出了包括主题模型、高斯混合模型在内的大量实用高效算法，其所提出的随机块模型是网络社团发现的重要方法。

2、基于深度学习的网络表示研究。网络中的节点是通过相互连接体现其特征的。而这种连接不仅维度高而且二值稀疏，从而使得这种表征不适合各类深度学习算法。如何用低维实值向量表征节点的特征是近些年网络研究的热门问题。近期提出的基于图神经网络的表征算法不仅大幅降低了图信号处理的计算量，而且在包括节点分类和链接预测等问题上取得了长足的进展。

拟招博士生从事基于机器学习算法的社交网络分析，包括基于概率图模型的社群发现算法、基于深度学习的网络嵌入算法、图神经网络算法，知识图谱算法，及其在自然语言处理、计算机视觉、信息检索和数据挖掘等领域的应用。

联系人：杨老师

电话： 13752497682

电子邮箱：yangliang@vip.qq.com

个人主页：http://yangliang.github.io/