教师个人主页
张得天 副教授 |
 |
|
|
|
619 访问 |
相关教师 |
个人资料
- 直属机构：计算机科学与技术学院（软件学院）
- 联系电话：
- 性别：男
- 电子邮箱：detian@suda.edu.cn
- 专业技术职务：
- 办公地址：苏州大学人工智能研究院
- 毕业院校：香港城大 & 中国科大
- 通讯地址：苏州大学北校区工科楼703
- 学位：博士
- 邮编：215006
- 学历：
- 传真：
教育经历
工作经历
个人简介
张得天，男，博士，苏州大学计算机学院副教授，硕士生导师。2014年先后获得中国科学技术大学和香港城市大学计算机专业博士学位。曾先后在香港城市大学、香港城市大学深圳研究院和江南大学担任过研究助理、副研究员和讲师等职位。主要研究兴趣包括检索增强生成（RAG）、图神经网络及应用、时空数据分析等。主持国家自然科学基金1项，中央高校项目1项，参与国家级项目4项。先后发表了多篇CCF A/B类期刊和会议论文，并（曾）担任包括TKDE、IJCAI、AAAI、SIGKDD、WSDM和计算机学报等在内的多个国内外知名期刊和会议的审稿人或PC member。Email: detian@suda.edu.cn 。
2026年拟招收3-5名硕士研究生，涉及如下方向，欢迎感兴趣同学联系：detian@suda.edu.cn
（1）检索增强生成（RAG）：检索增强生成是一种将外部知识检索与大模型相结合的前沿技术。它通过先从外部知识库或数据库中检索出与用户输入相关的信息，再将这些内容作为上下文输入到大模型中，从而生成更有依据和时效性的答案。该技术克服了传统大模型知识封闭、易编造事实的问题，广泛应用于问答系统、智能客服、搜索引擎增强等场景，特别适合需要实时查找和引用外部知识的任务。本小组研究涉及基于RAG的系统设计与开发，RAG和知识图谱的结合等。
（2）图神经网络及应用：图神经网络是一类专门用于处理图结构数据的深度学习模型，能够有效捕捉节点之间的拓扑关系和特征依赖。其通过“信息传递”机制，在图中聚合邻居节点的信息，从而学习节点、边或整个图的表示。广泛应用于交通预测、知识图谱、社交网络分析、推荐系统、药物发现、金融风控等领域。本小组研究涉及超图神经网络、知识图谱推理和交通流预测等。
（3）时空数据分析：时空数据分析是对同时具有时间和空间属性的数据进行建模、处理和分析的一种方法，旨在揭示数据随时间和空间变化的内在规律。广泛应用于交通管理、物流调度、智慧城市、环境监测、公共安全等领域。本小组研究涉及路径规划、交通流预测、k-NN、空间众包、网约车服务和POI推荐等领域。
社会职务
研究领域
检索增强生成（RAG）
图神经网络及应用
时空数据分析
知识图谱
大数据
开授课程
科研项目
论文
科技成果
荣誉及奖励
招生信息
2026年拟招收3-5名硕士研究生，涉及如下方向，欢迎感兴趣同学联系：detian@suda.edu.cn
（1）检索增强生成（RAG）：检索增强生成是一种将外部知识检索与大模型相结合的前沿技术。它通过先从外部知识库或数据库中检索出与用户输入相关的信息，再将这些内容作为上下文输入到大模型中，从而生成更有依据和时效性的答案。该技术克服了传统大模型知识封闭、易编造事实的问题，广泛应用于问答系统、智能客服、搜索引擎增强等场景，特别适合需要实时查找和引用外部知识的任务。本小组研究涉及基于RAG的系统设计与开发，RAG和知识图谱的结合等。
（2）图神经网络及应用：图神经网络是一类专门用于处理图结构数据的深度学习模型，能够有效捕捉节点之间的拓扑关系和特征依赖。其通过“信息传递”机制，在图中聚合邻居节点的信息，从而学习节点、边或整个图的表示。广泛应用于交通预测、知识图谱、社交网络分析、推荐系统、药物发现、金融风控等领域。本小组研究涉及超图神经网络、知识图谱推理和交通流预测等。
（3）时空数据分析：时空数据分析是对同时具有时间和空间属性的数据进行建模、处理和分析的一种方法，旨在揭示数据随时间和空间变化的内在规律。广泛应用于交通管理、物流调度、智慧城市、环境监测、公共安全等领域。本小组研究涉及路径规划、交通流预测、k-NN、空间众包、网约车服务和POI推荐等领域。