头像

付国宏 教授

计算机科学与技术学院(软件学院)

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:15804510373
  • 性别:
  • 电子邮箱:ghfu@suda.edu.cn
  • 专业技术职务:
  • 办公地址:苏大北校区工科楼709
  • 毕业院校:
  • 通讯地址:苏州市干将东路178号苏州大学北校区工科楼709
  • 学位:
  • 邮编:512000
  • 学历:
  • 传真:

教育经历

教育经历:
  • 1986/09-1990/07, 工学学士 , 汽车设计与制造工程 , 哈尔滨工业大学
  • 1990/09-1993/03, 工学硕士, 机械设计, 哈尔滨工业大学
  • 1997/03-2001/03, 工学博士, 计算机应用技术, 哈尔滨工业大学

工作经历

工作经历:
  • 2001/06-2002/09, InfoTalk Technology (Singapore), 研究员
  • 2002/10-2005/10, 香港大学, 博士后研究员(Post-Doctoral Fellow)
  • 2003/03-2006/09, 香港大学, 荣誉助理教授(Honorary Assistant Professor)
  • 2006/10-2007/10, 香港城市大学, 研究员(Research Fellow)
  • 2007/11-2019/03, 黑龙江大学计算机科学技术学院、软件学院, 教授、副院长
  • 2019/04-至今,   苏州大学人工智能研究院, 特聘研究员、副院长

个人简历

个人简介:

付国宏,博士,教授/博士生导师,苏州大学人工智能研究院特聘研究员、副院长,中国中文信息学会理事、中国计算机学会高级会员、香港大学荣誉教授,入选江苏省“双创人才”计划。分别于1990年、1993年和2001年在哈尔滨工业大学获得工学学士、硕士和博士学位。先后任新加坡InfoTalk公司研究员(2001-2002),香港大学博士后研究员、荣誉助理教授(2002-2006),香港城市大学研究员(2006-2007),黑龙江大学计算机科学技术学院教授、副院长(2007-2019)。承担各类科研项目29项,其中主持国家自然科学基金重点项目课题和面上项目5项;在ACLEMNLPCOLING、NAACLAIJIEEE/ACM TASLP等领域重要学术会议、期刊发表论文100余篇;完成多个自然语言处理系统和软件开发,多次在领域相关权威评测中获得优异成绩。曾担任IALP2013PACLIC2018等学术会议程序委员会联合主席。目前的主要研究兴趣包括自然语言处理、多模态认知计算、AI4Science等。

研究领域

研究领域:

自然语言处理;多模态认知计算;AI4Science

开授课程

开授课程:课程教学:

科研项目

科研项目:
  • 1、情感驱动的文本对话关键技术研究,国家自然科学基金面上项目(No.62076173),2021-2024. [项目负责人]
  • 2、面向特定领域的文本语义分析关键技术,国家自然科学基金重点项目(No.U1836222),2019-2022. [课题负责人]
  • 3、汉语解释性意见挖掘关键技术研究,国家自然科学基金面上项目(No.61672211),2017-2020. [项目负责人]
  • 4、汉语多文档意见信息聚集和融合方法研究,国家自然科学基金面上项目(No.61170148),2012-2015.[项目负责人]
  • 5、自适应的中文网络意见挖掘关键技术研究,国家自然科学基金面上项目(No.60973081),2010-2012.[项目负责人]
  • 6、基于大规模语料库的汉语词语自动聚类研究, 国家自然科学基金面上项目(No.69973015), 2000-2002.
  • 7、基于移进归约的细粒度意见挖掘,国家自然科学基金青年项目(No.61602160),2017-2019.
  • 8、面向产品评论的汉语解释性意见挖掘关键技术研究,黑龙江省自然科学基金面上项目(No.F2016036),2016-2019. [项目负责人]
  • 9、多粒度的汉语情感计算关键技术研究,黑龙江省留学回国人员择优资助项目,2011-2014.[项目负责人]
  • 10、融合浅层语言学知识的汉语句法分析技术研究,黑龙江省海外学人科研资助项目(No.1154hz26),2009-2010.[项目负责人]

论文

论文:
  • 1、Yu Zhang, Yue Zhang, Leyang Cui, Guohong Fu. Fast and accurate text editing with edit-aware connectionist temporal classification. EMNLP 2023.
  • 2、Junjie Wu, Chen Gong, Ziqiang Cao, Guohong Fu. MCG-MNER: A multi-granularity cross-modality generative framework for multimodal NER with instruction. ACM MM 2023.
  • 3、Qi Lv, Ziqiang Cao, Chunhui Ai, Lei Geng, Xu Yan, Guohong Fu. General and domain adaptive Chinese spelling check with error consistent pretraining. ACM Transactions on Asian and Low-Resource Language Information Processing(TALLIP), 2023, 22(5): 1-24.
  • 4、Nan Yu, Meishan Zhang, Guohong Fu, Min Zhang. RST discourse parsing with second-stage EDU-level pretraining. ACL 2022.
  • 5、Yang Sun, Liangqing Wu, Shuangyong Song, Xiaoguang Yu, Xiaodong He, Guohong Fu. Tracking satisfaction states for customer satisfaction prediction in E-commerce service chatbots. COLING 2022.
  • 6、Nan Yu, Guohong Fu, Min Zhang. Speaker-aware discourse parsing on multi-party dialogues. COLING 2022.
  • 7、Yu Zhang, Qingrong Xia, Shilin Zhou, Yong Jiang, Guohong Fu, Min Zhang. Semantic role labeling as latent tree parsing. COLING 2022.
  • 8、Meishan Zhang, Zhenghua Li, Guohong Fu, Min Zhang. Dependency-based syntax-aware word representations. Artificial Intelligence, 2021,292:1-26.
  • 9、Yang Sun, Nan Yu, Guohong Fu. A discourse-aware graph neural network for emotion recognition in multi-party conversations. EMNLP 2021(Findings).
  • 10、Ranran Zhen, Rui Wang, Guohong Fu, Chengguo Lv, Meishan Zhang. Chinese opinion role labeling with corpus translation: A pivot study. EMNLP 2021.
  • 11、Tao Liu, Xin Wang, Chengguo Lv, Ranran Zhen, Guohong Fu. Sentence matching with syntax- and semantics-aware BERT. COLING 2020.
  • 12、Meishan Zhang, Yue Zhang, Guohong Fu. Cross-lingual dependency parsing using code-mixed TreeBank. EMNLP-IJCNLP 2019.
  • 13、Meishan Zhang, Zhenhua Li, Guohong Fu, Min Zhang. Syntax-enhanced neural machine translation with syntax-aware word representations.NAACL-HLT 2019.
  • 14、Meishan Zhang, Peili Liang, Guohong Fu. Enhancing opinion role labeling with semantic-aware word representations from semantic role labeling. NAACL-HLT 2019.
  • 15、Qingrong Xia , Zhenghua Li, Min Zhang, Meishan Zhang, Guohong Fu, Rui Wang, Luo Si. Syntax-aware neural semantic role labeling. AAAI 2019.
  • 16、Meishan Zhang, Qiansheng Wang, Guohong Fu. End-to-end neural opinion extraction with s transition-based model. Information Systems, 2019, 80(2): 56-63.
  • 17、Meishan Zhang, Yue Zhang, Guohong Fu. Transition-based neural word segmentation using word-level features. Journal of AI Research,2018, 63: 923-953.
  • 18、Nan Yu, Meishan Zhang, Guohong Fu. Transition-based neural RST parsing with implicit syntax features. COLING 2018.
  • 19、Meishan Zhang, Nan Yu, Guohong Fu. A simple and effective neural model for joint word segmentation and POS tagging. IEEE/ACM Transactions on Audio, Speech, and Language Processing, 2018, 26(9): 1528-1538.
  • 20、Liner Yang, Meishan Zhang, Yang Liu, Maosong Sun, Nan Yu, Guohong Fu. Joint POS tagging and dependency parsing with transition-based neural networks. IEEE/ACM Transactions on Audio, Speech and Language Processing, 2018, 26(8): 1352-1358.
  • 21、Meishan Zhang, Guohong Fu, Nan Yu. Segmenting Chinese Microtext: Joint informal word detection and segmentation with neural networks. IJCAI 2017.
  • 22、Meishan Zhang, Yue Zhang, Guohong Fu. End-to-end neural relation extraction with global optimization. EMNLP 2017.
  • 23、Zhenghua Li, Jiayuan Chao, Min Zhang, Wenliang Chen, Meishan Zhang, Guohong Fu. Coupled POS tagging on heterogeneous annotations. IEEE/ACM Transactions on Audio, Speech and Language Processing, 2017, 25(3): 557-571.
  • 24、Fei Li, Meishan Zhang, Bo Tian, Bo Chen, Guohong Fu, Donghong Ji. Recognizing irregular entities in biomedical text via deep neural networks. Pattern Recognition Letters, 2018, 105: 105-113.
  • 25、Fei Li, Meishan Zhang, Guohong Fu, Donghong Ji. A neural joint model for entity and relation extraction from biomedical text. BMC Bioinformatics, 2017, 18:198.
  • 26、Meishan Zhang, Yue Zhang, Guohong Fu. Tweet sarcasm detection using deep neural network. COLING 2016.
  • 27、Meishan Zhang, Yue Zhang, Guohong Fu. Transition-based neural word segmentation. ACL 2016.

科技成果

软件著作 软件著作:
  • 1、面向酒店服务的意见挖掘系统(V1.0),2021SR1849411, 2021
  • 2、面向酒店评论的意见信息抽取(V1.0),2021SR1849463, 2021
  • 3、意见解释分析系统(V1.0),2021SR1849410, 2021
  • 4、面向刑事案例的司法判决系统V1.0,2023SR0223914,2023
  • 5、面向刑事案例的类案检索系统V1.0,2023SR0223913,2023
专利 专利:
  • 1、多模态蕴含增强图像文本检索的方法和系统, 发明专利,ZL202310031393.1
  • 2、一种基于检索和多阶段的中文文本校对方法、系统及设备, 发明专利,ZL202211639239.4
  • 3、意见挖掘方法、电子设备及计算机可读存储介质, 发明专利,ZL202310405542.6
  • 4、基于人物属性的知识增强对话生成方法及系统, 发明专利,ZL202310535383.1

荣誉及奖励

荣誉及奖励:
  • 1、2021江苏省双创人才
  • 2、2022全球人工智能技术创新大赛-算法挑战赛电商平台商品标题实体识别赛道三等奖
  • 3、2020中国法研杯司法人工智能挑战赛(CAIL2020)司法考试任务二等奖(第2名)
  • 4、NLPCC2019跨领域依存句法分析评测封闭任务第1名
  • 5、2019中国法研杯司法人工智能挑战赛(CAIL2019)相似案例匹配任务三等奖

招生信息

招生信息:
  • 1、硕士研究生,  学术型:计算机科学与技术、软件工程,专业型:人工智能、计算机技术、软件工程等, 研究方向:自然语言处理

  • 2、博士研究生,  专业:计算机科学与技术、软件工程,  学术型,  研究方向:自然语言处理

招生信息1:

学位:

毕业院校:

电子邮箱:ghfu@suda.edu.cn

办公地址:苏大北校区工科楼709

联系电话:15804510373

2860 访问

相关教师