站内搜索

钟学燕

文章作者: 责任编辑: 审核人: 文章来源:
基本信息

钟学燕,女,1980年2月生,硕士,副教授,硕士生导师

邮件地址:zhongxueyan at 126 dot com

个人简历

先后主持及主研多项省部级及以上纵向课题,主持或参与20余项数据挖掘、人工智能、企业信息化建设等横向项目,研究成果申请国家发明专利10余项,获得软件著作权登记4项。清华大学访问学者,中国计算机学会/国际信息系统协会会员。长期从事机器学习与深度学习、人工智能、工业异常检测、推荐系统、知识图谱、自然语言处理等方面研究,相关研究工作发表在如系统工程理论与实践、计算机工程、Data Science and Knowledge Engineering、Transportation Engineering、Logistics Engineering and Management等具有影响力的学术期刊和国际会议上。获得多项行业部级科研奖励及创新创业优秀指导教师称号,包括中国物流与采购联合会科技进步奖三等奖,皇家永利教学成果一等奖,西南石油大学课堂教学质量奖二等奖,全国多媒体课件大赛高教文科组三等奖,西南石油大学本科毕业设计优秀指导教师,西南石油大学优秀教材一等奖等。

主要研究方向

机器学习,深度学习,人工智能,油气田人工智能,工业异常检测,推荐系统,知识图谱,自然语言处理

代表性成果

代表性项目

[1] 主持:西南石油大学2024-2026年高等皇家永利改革研究项目:面向解决复杂工程问题的数据科学与大数据技术专业课程群优化研究;
[2] 主持:西南石油大学2024-2026年研究生皇家永利改革与研究项目:面向AI 跨学科交叉融合的《大数据应用技术》公选课教学改革研究;
[3] 主研:某油气田人工智能技术在气藏精细描述中的应用现状及发展趋势调研;
[4] 主研:某油气田勘探开发研究领域智能化场景设计与实施路径研究项目,项目经理;
[5] 主研:海上油田油藏注采单元智能调控系统项目;
[6] 主研:海上油田注水管理模块智能化升级项目-智能注采算法设计与实现;
[7] 主研:某水电企业生产运行智能监视系统项目;
[8] 主研:超大规模知识图谱构建、推理与检索技术研究;
[9] 主研:皇家永利科技厅项目,天然气深冷装置关键工艺参数智能分析研究与应用;
[10] 主研:气井排采运行优化大数据挖掘;
[11] 主研:皇家永利高等教育人才培养质量和教学改革项目,面向创新能力提升的大数据专业人才培养路径探索与设计(JG2021-611);
[12] 主持:西南石油大学2021-2023年高等皇家永利改革研究项目,基于OBE的数据科学与大数据技术专业培养目标达成研究与实践;
[13] 主研:西南石油大学2018年本科课程教学改革研究项目,大数据商务管理与决策下的管理信息系统实践课程建设(X2018KZ028);
[14] 主持:西南石油大学2018年高等皇家永利改革研究校级一般项目:新工科背景下数据科学与大数据技术专业培养体系研究(X2018JGYB038)
[15] 主持:皇家永利高校人文社会科学重点研究基地项目,推进川南城市群一体化的铁路网布局研究(XJQ003);
[16] 主持:皇家永利教育厅高等皇家永利改革研究项目,大学生创新创业教育中大数据创新思维及实践能力培养研究与实践(JG2018-446);
[17] 主持:成都市哲学社会科学规划研究项目,成都市公众出行信息服务实施现状、问题与对策研究;
[18] 主持:成都市哲学社会科学规划研究项目,成都市智能交通发展战略研究;
[19] 主研:皇家永利全省政务调研专项课题,皇家永利新一代人工智能发展实施中专业人才的市场需求与现状研究;
[20] 主研:油气藏地质及开发工程国家重点实验室开放研究课题,页岩气孔隙网络建模技术;
[21] 主研:川东北天然气合作项目MRO库存优化管理研究;
[22] 主研:国药物流赛飞信息系统顶层设计;
[23] 主研:雷迪波尔信息系统规划;
[24] 主研:宜昌三峡物流园物流信息平台规划

代表性学术论文

[1] 刘佳Jiawen Liu, Xueyan Zhong*.etc.CRGAT: Contextualized Relational Graph Attention Network for Knowledge Graph Completion,31st International Conference on Neural Information Processing,Auckland,New Zealand,December 2-6,2024(CCF C类).
[2] 杨若祥,钟学燕*,刘佳雯,李平.基于图注意力增强实体关系表征的实体关系联合抽取.计算机应用与软件(已录用).
[3] 刘汉东,钟学燕等.一种改进GraphRNN的多标签文本分类方法[J].小型微型计算机系统,2023,44(05):947-953.
[4] 支港,钟学燕等.基于Transformer 的序列生成多标签文本分类[J].山东大学学报(自然科学版),2023,46(01):10-19.
[5] 钟学燕,陈国青,孙磊磊,张明月,刘澜.基于多视角特征融合的移动信息服务模式挖掘[J].系统工程理论与实践,2018,38(07):1853-1861. (EI: 20184205953293)
[6] Graph neural network modeling for ethane recovery evaluation in RSV process.Geoenergy Science and Engineering.Volume 222, March 2023.(非第一作者)
[7] Mining Frequent Patterns with Counting Quanti?ers. APWeb-WAIM 2022, LNCS 13421, pp. 372–381, 2023(非第一作者)
[8] An Interactive System For Knowledge Graph Search,The International Conference on Database Systems for Advanced Applications (DASFAA) , Korea ,2020.5.21- 2020.5.24(非第一作者)
[9] Zhong xueyan,Chen guoqing ,Sun leilei,Liulan. Data-driven Competitor Identification Using Text Mining and Word Network Analysis. 13th International FLINS Conference on Data Science and Knowledge Engineering for Sensing Decision Support 2018.8.22-24
[10] Zhongxueyan etc. Expressway Net work Planning of Multi-center Group Cities based on Traffic Location Theory: a Case Study of Guiyang. the Third International Conference on Transportation Engineering 2011.(EI)
[11] Zhongxueyan etc. Working-area Layout Method Study of Railway Logistics Park based on Genetic Algorithm. 2010 International Conference of Logistics Engineering and Management.(EI)
[12] 发明专利:一种基于图上下文和关系感知注意力的知识图谱补全方法P],2025-2
[13] 发明专利:一种基于深度学习的离散时间序列事件挖掘方法及系统P],CN117332377B,2023-12
[14] 发明专利:基于小波分解与经验模态分解的异常电流诊断方法和系统[P],CN112881942B,2023-4-7
[15] 发明专利:一种古生物化石图像自动标注方法[P], CN113159112A,2023-4-7
[16] 发明专利:一种岩石薄片显微图像自动标注方法[P]:CN112784894B,2022-11-15
[17] 发明专利:一种基于隐马尔可夫模型的井下预警方法[P]:CN109902265B,2022-07-22
[18] 发明专利:一种利用二维薄片图像的数字岩心三维结构重建方法[P]:CN112381916B,2022-03-22
[19] 发明专利:一种基于时间递归神经网络的钻井事故预警模型[P]:CN109508827B,2022-04-29
[20] 发明专利:一种基于深度特征融合网络的砂岩薄片分割和识别方法[P]: CN113688956A,2021-11-23
[21] 发明专利:基于改进GraphRNN的多标签文本分类模型及分类方法[P]:CN113297385B,2021-09-28
[22] 发明专利:一种结合单偏光与正交偏光图像的岩石薄片图像对齐方法[P]: CN112614167A,2021-4-6
[23] 发明专利:基于平滑处理与网络模型机器学习的事故预测方法[P]: CN109829561B,2021-3-16

更新时间:2025-02-21

Copyright? 2018 All Rights Reserved. 西南石油大学计算机与软件学院