Notice: Dimission of Shen Ying

by netlab_admin Comment Closed
Notice: Dimission of Shen Ying Shen Ying had been dimissed from ICNLAB since Auguest 1st of 2019.  She was in a position of contract based individual "Research Assistant" under supervisory of Dr. Kai Lei and she had never been a direct advisor of any students from ICNLAB. From then on, the relevant businesses that she was engaged in and involved in belonged to  her personal behavior and had nothing to do with ICNLAB, PKUSZ. If anybody has any inquery or concerns about her current status, please feel free to confirm  with us. Thank you.  ...
Read More

17级付求爱同学参加IJCNN 2019国际学术会议

by netlab Comment Closed
在实验室雷凯老师的指导下，17级付求爱同学的一篇论文被International Joint Conference on Neural Networks 2019国际学术会议（IJCNN 2019）录用。 论文题目：Multi-Task Learning with Capsule Networks 论文简介：多任务学习是一种在利用任务之间的共性和差异的同时，共同学习多个任务的机器学习方法。共享表示是通过多任务学习来学习的，为每个任务学习的内容可以帮助其他任务更好地学习。现有的多任务学习方法大多采用深度神经网络作为每个任务的分类器，深度神经网络可以利用其强大的曲线拟合能力来实现训练数据的高精度，即使在学习的表示还不够好的情况下，然而这与多任务学习的目的是相矛盾的。本文提出了一个多任务胶囊网络（MT-Capsule）框架，该框架利用胶囊网络改进了多任务学习。胶囊网络是一种新型的神经网络模型，它可以智能地对部分整体关系进行建模，构成视点不变的知识，并自动将所学知识扩展到不同的新场景中。在大型真实数据集上的实验结果表明，MT-Capsule可以显著优于目前最好的方法。   IJCNN是每年举办一次的关于国际神经网络领域的前沿会议。研讨会包含了对目前在机器智能、人工智能、生物神经网络等方面取得的重大进展的探讨， 整个会议共有超过30个分会议，共有超过400个口头报告和海报展示，多种形式的学术交流使得参会者从创新性和前沿性问题对神经网络进行各方面深入探讨。 会议的宗旨是为来自世界各地的专家学者提供一个展示和讨论最新研究成果的平台，并激发不同研究领域之间的思想交流。研讨会的宗旨是为来自世界各地的专家学者提供一个展示和讨论最新研究成果的平台，激发不同研究领域之间的思想交流，并试图通过研究各项难题来探索生物神经网络的奥秘。本次会议(IJCNN 2019)于2019年7月14-7月19日在匈牙利布达佩斯举行举行，会议包括来自瑞士、美国、英国、德国、日本和中国等国家的学者前来参加。 17级付求爱作为论文作者参加了此次IJCNN 2019会议，认真听取专家的大会报告和分会报告，并积极与国内外同行展开了深入地交流。 通过参加本次会议,解到了相关领域内最新研究进展，开拓了视野。通过做报告，认识到了语言表达的重要性。通过与参会人员的交流，受到了很多启发。感谢互联网研发中心和雷老师的资助。  ...
Read More

17级杜茂瑜同学参加 HPCC 2019 国际学术会议

by netlab Comment Closed
在实验室雷凯老师的指导下，17 级杜茂瑜同学的一篇论文被 IEEE International Conference on High Performance Computing and Communications (HPCC 2019) 录用。 论文题目：Towards Decentralized Equilibrium Asset TradingBased on Blockchain 论文简介：过去十年见证了数字代币和加密货币的爆炸式增长，包括比特币，奖励计划和以太坊上的各种代币。然而，由于缺乏可互操作的标准，交易这些异构和非金融数字资产经常遇到大量的流动性障碍，并且面临着市场不平衡风险的定价策略的均衡困境。从这个意义上讲，我们引入了一种新的分散均衡交易机制，用于跨越价值体系的资产，结合区块链和经济理论，优化资产的存储，均衡和流通。为了证明所提出机制的实际可行性，我们使用精心设计的智能合约设计，实施和评估以太坊平台上的端到端原型系统。我们广泛的实验评估和交易模拟表明，所提出的机制以分散的方式解决了均衡价格的不同资产之间的交易和交易，为没有人为干预的资产交易市场的自主均衡提供了实践和理论基础。 HCPP 旨在分享全球学者在高性能计算和通信的各个方面的研究成果、应用和新想法，过去十年见证了强大的并行和分布式计算的发展。HPCC 2019 于 8 月 10-12日在中国张家界举行。会议包括了主题演讲、论文 Oral、Poster 展示等，主题包括并行和分布式计算、高性能计算以及 AI 应用等方面。会议邀请了包括来自康奈尔大学的 Bart Selman 教授、滑铁卢大学的 Weihua Zhuang 教授、阿尔伯塔大学的 Witold Pedrycz 等知名专家和学者作为 Keynote Speaker 分享相关领域的最新进展。 通过参加本次会议，解到了相关领域内最新研究进展，开拓了视野。通过做报告，认识到了语言表达的重要性。通过与参会人员的交流，受到了很多启发。感谢互联网研发中心和雷老师的资助。...
Read More

16级章奇超同学中稿IEEE Communications Magazine杂志

by netlab Comment Closed
IEEE Communications Magazine（https://www.comsoc.org/publications/magazines/ieee-communications-magazine）是通信领域的顶级刊物，涵盖通信的各个方面，提供该领域最新的信息，被中科院评定为SCI 1区期刊，最新的影响因子（IF）为9.270。   16级同学章奇超，在实验室雷凯老师和ASU的徐快老师的指导下，完成一篇论文“Securing ICN-Based UAV Ad Hoc Networks with Blockchain”，并已确认被IEEE Communications Magazine杂志下THE QUEST FOR INFORMATION-CENTRIC NETWORKING专题录用。中稿论文的简介如下：   标题：Securing ICN-Based UAV Ad Hoc Networks with Blockchain   作者：Kai Lei, Qichao Zhang, Junjun Lou, Bo Bai, and Kuai Xu*   英文摘要：Named data networking (NDN) enables fast and efficient content dissemination in mission-critical unmanned aerial vehicle ad hoc networks (UAANETs); however, its in-network caching mechanism brings a new security challenge: content poisoning. Poisoned content can contaminate the cache on the routers and isolate valid content from the network, leading to performance degradation or denial of service. To mitigate such attacks and enhance network-layer trust of NDN-based UAANETs, this article proposes a novel and systematic framework that integrates interest-key-content binding (IKCB), forwarding strategy, and on-demand verification to efficiently discover poisoned content. To further provide decentralized IKCB store and detect internal attackers, we introduce a lightweight permissioned blockchain system over NDN and develop a scalable adaptive delegate consensus algorithm. Our experimental results have demonstrated that our proposed framework can effectively...
Read More

互联网中心实验室(CIRE) 5名同学荣获2019年北京市及北京大学优秀毕业生

by netlab Comment Closed
祝贺互联网中心实验室(CIRE) 5名16级同学荣获2019年北京大学优秀毕业生，包括邓扬、刘颖、袁凯琦、陈道源、李可可，其中邓扬同学还获得了2019年北京市优秀毕业生。以下是5名同学的个人事迹介绍以及互联网中心实验室16级同学的毕业去向。   邓扬（北京市优秀毕业生、北京大学优秀毕业生） 于2016年获得北京邮电大学电子信息科学与技术学士学位。目前就读于北京大学，主要研究方向是问答系统和知识图谱。硕士期间，主要参与互联网中心实验室知识图谱组的科研工作，参与了全科医学知识图谱构建以及辅诊系统的搭建，发表了多篇高水平国际会议和期刊论文，其中包括且不限于AAAI 2019、SIGIR 2018、COLING 2018等，并多次代表实验室出席国际会议及做口头报告。此外，在国内举办的多个问答系统相关的评测竞赛任务中也获得了较好的名次，包括NLPCC 2017和CCKS 2017。硕士期间也获得了北京大学三好学生、五四奖学金等校级奖励。学生工作方面，担任了北京大学深圳研究生院执委会联络部部长，并获得了“优秀部长”称号。   袁凯琦（北京大学优秀毕业生） 于2016年获得北京邮电大学计算机科学学士学位。现就读于北京大学攻读计算机科学硕士学位。主要研究方向为生物医学信息学，知识图谱，知识表示，知识推理。 攻读硕士研究生期间，在若干期刊和会议上均发表过高水平文章，包括SCI一区期刊《Artificial intelligence in medicine》、《Journal of Cheminformatics》，SCI二区期刊《Journal of Medical Systems》，医学信息学顶级会议之一International Conference on Bioinformatics and Biomedicine (BIBM), 中文核心期刊《计算机应用研究》等。   李可可（北京大学优秀毕业生） 于2016年获得中山大学软件工程学士学位，现就读于北京大学，攻读计算机科学硕士学位。主要关注的研究课题是软件定义网络中数据包的转发路径检测。 攻读硕士研究生期间，已发表两篇高水平会议论文，包括Measuring the Control-Data Plane Consistency in Software Defined Networking (ICC 2018)以及Distributed Information-Agnostic Flow Scheduling in Data Centers Based on Wait-Time (GLOBECOM 2018)。   陈道源（北京大学优秀毕业生） 就读于北京大学信息工程学院计算机应用研究专业，2016级硕士研究生。 曾获北京大学五四奖学金、北京大学三好学生、北京大学优秀毕业生等多项荣誉，现被阿里巴巴达摩院所录用。 本科在电子科技大学攻读计算机科学与技术专业，并保送至北京大学深圳研究生院互联网中心实验室，师从雷凯副教授，主要研究方向为自然语言处理、知识图谱、表示学习。曾任互联网中心实验室科研岗助理，香港城市大学兼职研究助理以及腾讯医疗AI实验室实习生。研究生期间在知识图谱课题组积极完成科研任务，勤奋学习，申请专利一项，在Artificial Intelligence in Medicine、Neural Computing and Applications等SCI期刊参与发表多篇论文，在SIGIR、COLING等顶级学术会议上发表及在投多篇论文，获得SIGIR Student Travel Grant以及COLING 2018 Area Chair Favorite Papers。   刘颖（北京大学优秀毕业生） 刘颖同学本科毕业于大连理工大学，为人性格开朗活泼，待人亲切随和。在校期间，积极参加社团活动、志愿者活动，荣获2016-2017学年北京大学社会工作优秀奖以及优秀志愿者等荣誉称号。学习上，刻苦努力，认真对待每一门研究生课程，成绩名列专业前茅。科研上，他不畏艰难，积极探索，从早期与汇丰商学院合作对计算机与新闻传播的交叉领域积极探索，到后来专注于对新课题和未知领域的研究，都抱有旺盛的好奇心和积极的研究态度，并发表了多篇优秀的期刊论文，主要研究方向为分布式AI，联邦学习，自然语言处理，荣获2017-2018学年北京大学三好学生称号以及北京大学光华奖学金。他立志在毕业后进入工业界发展，收获了百度，阿里巴巴，华为，拼多多，爱奇艺等众多国内知名公司offer。 2016级毕业去向   邓扬 男 香港中文大学 香港 王煜坤 男 联想集团 北京 王飞阳 男 华为 深圳 罗晟 男 华为 深圳 张冰 女 中国银行 北京 黄磊 男 蚂蚁金服 杭州 杨溢哲 男 字节跳动 北京 袁凯琦 女 菜鸟网络科技有限公司 杭州 刘颖 男 拼多多 上海 章奇超 男 招商银行软件中心 杭州 张翼 男 微软 北京 陈道源 男 阿里巴巴达摩院 杭州 李可可 女 腾讯 北京 张烨 女 中国银行 北京 楼君俊 男 上海白鳟科技 上海 ...
Read More

17级付求爱同学中稿ICDCS 2019

by netlab Comment Closed
The 39th IEEE International Conference on Distributed Computing Systems (ICDCS 2019)将于2019年7月7日至7月10日，在美国德克萨斯州达拉斯举行。ICDCS是分布式计算系统相关领域的研究人员和其他专业人士的重要国际会议，也被CCF推荐为计算机体系结构方向的B类会议。   17级付求爱同学在雷凯老师和徐快老师指导下，完成一篇长文” Detecting Malicious Domains with Behavioral Modeling and Graph Embedding”，并已确认被ICDCS 2019录用！中稿论文的简介如下：   论文标题: Detecting Malicious Domains with Behavioral Modeling and Graph Embedding   论文作者: Kai Lei, Qiuai Fu, Jiake Ni, Feiyang Wang, Min Yang, Kuai Xu*   英文摘要: The last decade has witnessed the explosive growth of malicious Internet domains which serve as the fundamental infrastructure for establishing advanced persistent threat command and control communication channels or hosting phishing Web sites. Given the big data nature of Internet traffic data and the ability of algorithmically generating domains and acquiring and registering the domains in a near-automated fashion, detecting malicious domains in real-time is a daunting task for security analysts and network operators. In this paper, we introduce bipartite graphs to capture the interactions between end hosts and domains, identify associated IP addresses of domains, and characterize time-series patterns of DNS queries for domains, and explore one-mode projections of these bipartite graphs for modeling the behavioral, IP-structural,...
Read More

17级付求爱同学中稿IJCNN 2019

by netlab Comment Closed
IEEE International Joint Conference on Neural Networks (IJCNN 2019)将于2019年7月14日至7月19日，在匈牙利布达佩斯举行。IJCNN是神经网络及相关领域的研究人员和其他专业人士的首要国际会议，也被CCF推荐为人工智能方向的C类会议。   17级同学付求爱在实验室雷凯老师指导下，完成一篇长文”Multi-Task Learning with Capsule Networks”，并以确认被IJCNN 2019录用！中稿论文的简介如下：   论文标题: Multi-Task Learning with Capsule Networks   论文作者: Kai Lei, Qiuai Fu, Yuzhi Liang*   英文摘要: Multi-task learning is a machine learning approach learning multiple tasks jointly while exploiting commonalities and differences across tasks. A shared representation is learned by multi-task learning, and what is learned for each task can help other tasks be learned better. Most of existing multi-task learning methods adopt deep neural network as the classifier of each task. However, a deep neural network can exploit its strong curve-fitting capability to achieve high accuracy in training data even when the learned representation is not good enough. This is contradictory to the purpose of multi-task learning. In this paper, we propose a framework named multi-task capsule (MT-Capsule) which improves multi-task learning with capsule network. Capsule network is a new architecture which can intelligently model part-whole relationships to constitute viewpoint invariant knowledge and automatically extend the learned knowledge to different...
Read More

16级袁凯琦同学中稿Journal of Cheminformatics期刊

by netlab Comment Closed
16级同学袁凯琦，在实验室雷凯老师和沈颖老师的指导下，完成一篇论文“KMR: knowledge‑oriented medicine representation learning for drug–drug interaction and similarity computation”，并已确认被Journal of Cheminformatics期刊录用。   Journal of Cheminformatics期刊简介： Journal of Cheminformatics（https://jcheminf.biomedcentral.com）是计算机领域面向化学信息学分析与应用的学术期刊，被中科院评为SCI 1区期刊。该期刊近五年影响因子(IF)为3.98。   中稿论文简介： 标题：KMR: knowledge‑oriented medicine representation learning for drug–drug interaction and similarity computation 作者：Ying Shen, Kaiqi Yuan, Min Yang, Buzhou Tang, Yaliang Li, Nan Du, Kai Lei* 论文链接：https://jcheminf.biomedcentral.com/articles/10.1186/s13321-019-0342-y 摘要：药物的有效表示为医疗保健分析提供了重要支持，例如药物相互作用（DDI）预测和药物 - 药物相似性（DDS）计算。然而，不完整的标记数据和药物特征矩阵稀疏为药物表示学习造成了实质性障碍，使得新药的资料在公开发布之前难以准确地识别新药的性质。为了解决这个问题，我们提出KMR，这是一种以知识为导向的特征驱动方法，可以准确地表达药物相关知识。我们对临床应用中的医学数据集进行了一系列实验，以证明KMR能够进行正确表示药物属性。实验结果表明， KMR可以发现有意义的DDI，准确率高达92.19％，证明了KMR可以显著提高训练集中未出现的新药的DDI预测质量。实验结果还表明，KMR可以通过促进药物知识识别DDS，准确率为88.7％，优于现有的最先进的药物相似性测量。...
Read More

16级袁凯琦同学中稿Journal of Medical Systems期刊

by netlab Comment Closed
16级同学袁凯琦，在实验室雷凯老师和沈颖老师的指导下，完成一篇论文“KGDDS: A System for Drug-Drug Similarity Measure in Therapeutic Substitution based on Knowledge Graph Curation”，并已确认被Journal of Medical Systems期刊录用。   Journal of Medical Systems期刊： Journal of Medical Systems(https://link.springer.com/journal/10916) 是人工智能领域面向生物医学应用的学术期刊，被中科院评为SCI 3区期刊。该期刊近五年平均影响因子（IF）为2.382。   中稿论文简介： 标题：KGDDS: A System for Drug-Drug Similarity Measure in Therapeutic Substitution based on Knowledge Graph Curation 作者：Ying Shen，Kaiqi Yuan，Jingchao Dai，Buzhou Tang，Min Yang，Kai Lei* 论文链接：https://link.springer.com/article/10.1007/s10916-019-1182-z 系统链接：http://www.iasokg.com/ 摘要：测量药物 - 药物相似性是一项非常重要并且富有挑战性的工作，目前已经在标记的训练数据充足且可用的药物方面取得了重大进展。然而，利用知识图谱丰富的知识来解决数据偏差以及不完整性的潜力还有待挖掘。在本文中，我们提出了一个基于节点链接的生物医学知识图谱管理和可视化系统KGDDS，帮助预测药物 - 药物相似性。具体而言，我们重用现有的知识库来减轻构建高质量知识图的困难，这些知识图的大小高达700万条边。然后我们设计了一个预测模型来探索药理学特征和知识图特征。最后，我们提出了一种用户交互模型，将药物相似度可视化，帮助用户从药物相似性的角度更好地理解药物特性。实验结果表明，KGDDS优于现有的最先进的药物相似性模型。另外，视觉效果证明，KGDDS可以通过促进抗生素处方知识来缩短病人与医护人员之间关于药物知识的差距，具有显着的适用性和实用性。...
Read More

英文抗生素药物医学知识图谱IASO1.0版发布 线上试用正式启动

by netlab Comment Closed
近日，由北京大学互联网信息工程研发中心（CIRE）开发的中文医学知识图谱英文抗生素药物医学知识图谱IASO1.0发布，面向公众正式开放试用。IASO是利用自然语言处理与文本挖掘技术，基于大规模医学文本数据，以人机结合的方式研发的英文药物医学知识图谱。 IASO知识图谱基于DO，IDO，NCBI，HPO和DrugBank等数据库，以及在线百科，权威医学文献等高质量医学数据资源构建而成的。 涵盖507种传染病及其治疗方法，332个不同的感染部位，936种系统相关症状，371种并发症，838,407种细菌，341种抗生素及其介绍，1,504对抗生素和细菌之间的反应速率（抗菌谱），431对药物相互作用关系，以及86对抗生素特异性群体的禁忌关系。 基于药物医学知识图谱IASO，课题组还进行了药物开发中的关键一环——药物相似性计算的相关探索，包括研究抗生素与其副作用之间的关系和探讨NDF-RT药物基本药理学特性的作用机制等。为验证基于IASO的药物相似性计算的准确性，我们邀请至少3名医生对1326对最常用的抗生素进行了标注，其范围为[0,1]。每位医生所给评分与平均评分之间的Pearson系数范围为0.827至0.864， Spearman系数范围为0.792至0.888，均证明了医生评估的可靠性。 课题组未来还将不断添加更多的医学实体及其层次化类别信息，继续迭代更新完善知识图谱，欢迎大家多提宝贵意见！在未来的工作中，我们将致力于建立大规模、高质量的中文/英文医学知识图谱，为智能医学奠定专业知识基础。 附1：IASO 1.0链接： http://www.iasokg.com/ 附2：IASO药物知识图谱和药物相似性数据标注下载：http://www.iasokg.com/dataDownload#dataSet 欢迎大家试用并提出宝贵意见！IASO仅供学术研究使用，不做商业用途。 研发者团队 北京大学互联网信息工程研发中心（CIRE）：雷凯副教授、沈颖助理研究员、研究生袁凯琦、温德斯、戴竞超。 雷凯副教授： 1998年毕业于北京大学计算机系，获学士学位；1999年毕业于美国哥伦比亚大学计算机系，获硕士学位；2015年毕业于北京大学计算机系统结构专业，获博士学位。现为北京大学深圳研究生院信息工程学院副研究员，硕士生导师，北京大学信息工程学院院长助理，深圳市云计算关键技术与应用(SPCCTA)常务副主任，北京大学互联网信息工程中心常务副主任，北京大学深圳研究生院工会副主席（2014年9月至今）、计算机学会CCF YOCSEF（深圳）主席（2017-2018）、深圳市高层次人才。主持过国家自然科学基金1项、国家发改委项目1项，省部产学研项目3项。参与973、863计划、科技支撑计划、国家自然科学基金等项目10多项。独立及主要协助培养计算理学硕士毕业生68人（10届， 2006-2016），发表论文80余篇，专利申请13项(授权4项)，软件著作权15项。编著教材一部《信息中心网络与命名数据网络》，北京大学出版社（2015年8月出版），获得深圳第三节教学科研成果著作奖。 沈颖助理研究员 沈颖，女，现任北京大学（深圳研究生院）助理研究员，博士（后）。深圳市海外高层次人才（孔雀C），深圳南山区领航人才。2011年7月获欧盟Erasmus Muduns自然语言处理（英国/法国）双硕士学位。2015年7月获法国巴黎第十大学生物/医学信息学博士。2015年7月开始于法国诺曼底大学-北京大学从事联合博士后科研工作。2015年访德国期间任德国科隆大学医学院访问学者。2017年9月出站后，于北京大学深圳研究生院任助理研究员。拥有智能医学领域内跨学科的计算机知识和医学知识，主要研究方向包括医学信息学，自然语言处理，数据挖掘，机器学习，人工智能等。近年来，在SCI期刊和会议AAAI, SIGIR, COLING, WWW, CIKM, ICDM, BIBM发表学术论文40余篇；受理发明专利6项；参与完成多项欧盟科教项目和省市科技项目。目前承担国家自然科学基金青年项目一项、深圳市基础研究自由探索项目一项、企业合作项目一项；参与并主要完成深圳市基础研究学科布局项目一项。关注科研成果的转化，医疗市场和病人的需求。  ...
Read More
«‹23456›»