个人信息



姓 名
李培培
性 别
女

出生年月
1982
最终学位
博士

毕业学校
合肥工业大学



从事专业
计算机科学与技术
职务


所属院系
计算机与信息学院



所在部门
计算机软件与理论研究所
职称
副教授（硕导）


　联系方式

办公电话
**

E-mail
peipeili@hfut.edu.cn

通讯地址
安徽省合肥市蜀山区丹霞路485号（合肥工业大学翡翠湖校区）计算机与信息学院

邮编
230601


　简历

1、受教育经历
·2008/09-2012/12，合肥工业大学，计算机应用专业，工学博士
·2005/09-2008/06，合肥工业大学，软件与理论专业，工学硕士
·2001/09-2005/06，合肥工业大学，计算机科学与技术专业，工学学士
2、研究工作经历
·2016年12月-至今，合肥工业大学计算机与信息学院，副研究员/副教授
·2015年5月-2016年11月，合肥工业大学计算机与信息学院，讲师
·2013年1月-2015年4月，合肥工业大学软件工程博士后站，博士后
·2011年8月-2012年12月，微软亚洲研究院，实习生
·2008年4月-2009年4月，新加坡管理大学，助理研究员

　研究方向

本人的研究方向：数据挖掘与智能计算，主要研究兴趣包括：数据流分类、概念漂移检测方法、不完全标记数据流的分类算法与模型、多标签数据流分类、半监督学习
承担课题：
· 主持人：李培培，国家面上基金项目“面向短文本数据流的多标记分类方法研究”（No.**）(2020.1-2023.12)
· 主持人：李培培，重点研发计划项目课题三“碎片化知识拓扑融合”（No.2016YFB**）子课题 (2016.7-2020.12)
· 主持人：李培培，国家青年基金“多标记文本数据流分类方法研究”（No.**）(2016.1-2018.12)
· 主持人：李培培，第55批中国博士后科学基金面上资助二等资助“面向短文本数据流分类的关键问题研究”（No.2014M551801）(2014.5-2015.5)
· 主持人：李培培，安徽省青年基金“基于实体语义上下文特征扩展的短文本数据流分类方法研究”（No.**QF142）(2017.7-2019.6)
· 校级博士专项课题“多标记文本的数据流分类方法研究”（No.JZ2015HGBZ0461）(2015.110.1-2017.9.30)
参与课题：
· 国家自然科学基金面上项目“多源数据流的半监督分类方法研究”(No.**) ( 2021.1-2024.12)
·国家自然科学基金面上项目“面向多源高维数据流的在线特征选择与分类方法研究”(No.**)( 2017.1-2020.12)
· 国家自然科学基金面上项目“基于协同训练策略的不完全标记数据流分类问题研究”(No.**)( 2013.1-2016.12)
· 国家自然科学基金面上项目“基于特征发现的数据流概念漂移问题研究”(No.**))( 2010.1-2012.12)
· 教育部博士点博导基金“基于特征扩展的Web短文本数据流分类方法研究”(No.20**1)( 2014.1-2016.12)
· 安徽省科技重大专项项目“基于云平台的税务数据挖掘系统研究”（No.1704a**）( 2016.8-2018.8)


　教学工作

[1]2015-2016第二学期，医学信息专业15级，《数据结构》；
[2]2016-2017第二学期，信息安全专业16级，《数据结构》、《程序设计与算法训练》；
[3]2016-2017第一学期，计算机与信安专业13级，《数据挖掘》；
[4]2017-2018第一学期，计算机与信安专业14级，《数据挖掘》；
[5]2017-2020，全校公选， 《Python程序设计》；
[6]2019-2020第二学期，计算机科学技术19级-1班，《数据结构》；
[7]2019-2020第二学期，2020-2021第一学期，计算机创新班18级，计算机19级1-3班，《Python语言与系统设计》


　获奖情况

指导学生项目与获奖情况：
[1]指导的2016级研究生何路获得2018年度国家奖学金
[2]指导国家级大创项目2项、校级2项
[3]指导学生参加2017年-2020年安徽省大数据技术与应用大赛获三等奖
[4]指导学生参加2017年合肥工业大学第三届“互联网+”创新创业大赛优胜奖
个人获奖情况：
[1]获得合肥工业大学2019年“课程思政”说课比赛获三等奖
[2]获得2017年度校青年教师讲课比赛三等奖
[3]2009年度安徽省优秀硕士论文.


　主要论著

国际期刊论文：
[1]Peng Zhou,Peipei Li, Shu Zhao, and X. Wu. FeatureInteraction for Streaming Feature Selection. IEEE Transactions onNeural Networks and Learning
Systems (TNNLS), in press, 2020.
[2] Xiulin Zheng,Peipei Li*, Zhe Chu, HaixiangZhang, and Xuegang Hu. A Survey on Multi-label Data StreamClassification. IEEE ACCESS, 8:1249-1275,
2020.
[3] Peipei Li*, Lu He, Haiyan Wang, Xuegang Hu, YuhongZhang*, Lei Li, Learning from Short Text Streams with TopicDrifts, IEEE Transactions on
Cybernetics, 48(9): 2697-2711, Sept.2018.
[4] PeipeiLi*, Haixun Wang, Hongsong Li, Employing Semantic Context forSparse Information Extraction Assessment, ACM Transactions onKnowledge
Discovery from Data,12(5): 54:1-36, July 2018.
[5] Peng Zhou, Xuegang Hu,Peipei Li*,OnlineFeature Selection for Class Imbalance Data.Knowledge-basedSystems,136: 187-199,2017.
[6] Yuhong Zhang, Guang Chu,Peipei Li*,XuegangHu.Three-layer Concept Drifting Detection in Text Data Streams.Neurocomputing, 260: 393-403,
2017.
[7] Peipei Li*, HaixunWang, Kenny Q. Zhu,Zhongyuan Wang,Xuegang Hu, A Large Probabilistic Semantic Network based Approachto Compute Term
Similarity. IEEE Transactions on Knowledge andData Engineering, 27(10): 2604-2617, 2015.
[8] Peipei Li, , Xuegang Hu, and Hao Wang*.AnIncremental Decision Tree for Mining Multi-label Data. AppliedArtificial Intelligence,29(10):992-1014,
2015.
[9] Peipei Li*, Xuegang Hu, and Hao Wang.LearningConcept-Drifting Data Streams with Random Ensemble Decision Trees.NeuroComputing, 166(6):
68-83, 2015.
[10]PeipeiLi*and Xuegang Hu.Learning from Concept Drifting Data Streams withUnlabeled Data. NeuroComputing, 92(1): 145-155, 2012.
[11] PeipeiLi*and Xuegang Hu. Mining Recurring Concept Drifts with LimitedLabeled Streaming Data. ACM Transactions on Intelligent
SystemsandTechnology, 3(2): 29:1-32,2012.
[12] PeipeiLi*, Xuegang Hu,Qianhui Liang and Yunjun Gao. A RandomDecision Tree Ensemble for Mining Concept Drifts from Noisy
DataStreams.Applied Artificial Intelligence, 24(7): 680-710,2010.
会议论文：
[13] PeipeiLi*, Lu He, Xuegang Hu, Yuhong Zhang, Lei Li. Concept based ShortText Stream Classification with Topic Drifting Detection.In:Proceedings of
International Conference on DataMining(ICDM'16), pp. 1009-1014, 2016.
[14] XugangHu, Junhong He,Peipei Li*, Drifting Detection andModel Selection based Ensemble Classification for Data Streamswith Unlabeled Data.
In:Proceedings of ArtificialIntelligence Science and Technology(AIST’16),pp: 83-90,2017.
[15] PeipeiLi*, Hunxun Wang, Hongsong Li, Assessing Sparse InformationExtraction using Semantic Contexts. In:Proceedings of 22ndACM
International Conference on Information and KnowledgeManagement(CIKM’13), pp.1709-1714, 2013.
[16] PeipeiLi*, Hunxun Wang, Kenny Q. Zhu, Zhongyuan Wang. Computing TermSimilarity by Large Probabilistic isA Knowledge. In: Proceedings of
CIKM’13,pp. 1401-1410, 2013.
[17] PeipeiLi*, Qianhui Liang, Xuegang Hu, Yuhong Zhang. Random EnsembleDecision Trees for Concept Drifting Data Streams. In:Proceedingsof
PAKDD’11, May 24-27, pp. 313-325, Shenzhen China, 2011.
[18] PeipeiLi*and Xuegang Hu. Learning from Concept Drifting Data Streamswith Unlabeled Data. In:Proceedings of AAAI10-SA10, July11-15, pp.
1945-1946, Atlanta, GA, United States, 2010.
[19] Peipei Li*and Xuegang Hu. Mining Recurring ConceptDrifts with Limited Labeled Streaming Data. In:Proceeding of2nd Asian Conference Machine
Learning, Nov. 8-10, pp. 251-262,Tokyo, 2010.
[20] PeipeiLi*, Xuegang Hu, Q.-H. Liang, and Y.-J. Gao.Concept DriftingDetection on Noisy Streaming Data in Random Ensemble DecisionTrees.
In: Proceedings of the 6th International Conference onMachine Learning and Data Mining, pp. 236-250, 2009.
[21] PeipeiLi*, Qianhui Liang and Xuegang Hu. Parameter Estimation inSemi-Random Decision Tree Ensembling on Streaming Data.In:Proceedings of
PAKDD’09,pp. 376-388, 2009.
[22] Qianhui Liang,Peipei Li*, P. C.K. Hung. Clustering WebServices for Automatic Categorization. In:Proceedings ofInternational Conference on Services
Computing, pp. 380-387, 2009.
[23] PeipeiLi*, Xuegang Hu. Mining Concept-drifting Data Streams withMultiple Semi-random Decision Trees. In:Proceedings of4thInternational
Conference on Advanced Data Mining andApplications, pp. 733-740, 2008.
国内期刊:
[24] 王海燕,胡学钢,李培培*.基于向量表示和标签传播的半监督短文本数据流分类算法. 模式识别与人工智能，31(7):1-9, 2018.7.
[25] 胡学钢,王海平,郭丹,李培培*.图算法求解带有限长空位和one-off约束的模式匹配问题.模式识别与人工智能,29(5):400-409,2016.
[26] 朱群,张玉红*,胡学钢,李培培.一种基于双层窗口的概念漂移数据流分类算法。自动化学报,37(9):1077-1084, 2011. (EI检索号:201**)
[27] 梅灿华,张玉红*,胡学钢,李培培.一种基于最大熵模型的加权归纳迁移学习方法.计算机研究与发展,48(9): 1722-1728, 2011.
[28] Xuegang Hu,Peipei Li*, Gongqing Wu. ASemi-Random Multiple Decision-Tree AlgorithmforMiningDataStreams. J. Comput. Sci. Technol. 22(5):
711-724, 2007.

软著：
[1]李培培、柳佳浩、张子瑞.基于数据挖掘技术的国内考研信息搜索平台“Re-Searchers”V1.0(登记号为2018SR503271)
[2]胡学钢、李培培等.数据流分类算法实验工具包软件ETDSV1.0（登记号为2010SR062895）
专著：
[1]胡学钢、李培培*、张玉红.数据流分类,清华大学出版社,603千字,ISBN 978-7-302-40599-3, 2016.01.01.
专利：
[1]李培培,胡学钢，胡阳.一种基于深度学习网络的短文本数据流分类方法，专利申请号9.1，专利申请日：2019年12月09日.
[2]张玉红，杨帅，胡学钢，李培培.基于双重自动编码器的半监督跨领域文本分类方法,申请号：9.5,专利申请日：2019年5月8日；
[3] 李培培,胡阳,胡学钢.一种基于word2vec的分布式短文本数据流快速增量分类方法,专利申请号:CN5.3,专利申请日:2019年3月06日.
[4]胡学钢，王海燕，李培培.一种基于短文本扩展和概念漂移检测的短文本数据流分类方法，专利申请号6.9，专利申请日：2017年10月23日.授权公
告日:2019年08月06日,授权公告号:20**0%40.
[5]吕俊伟，胡学钢，李培培,邵玉涵,廖建兴.一种基于RBF神经网络的煤与瓦斯突出预测方法.国家发明专利，专利号：ZL2.X，专利申请日：2017年
07月28日，授权公告日：2020年05月22日.
[6]李培培,李磊,张玉红,胡学钢,何路等.一种基于类与特征分布的多标签数据流中概念漂移检测方法,国家发明专利，专利号：ZL5.6，专利申请
日 :2017年3月14日,授权公告日:2019年06月14日,授权公告号:CN B.
[7]李磊，张芳，李培培等.基于区块链的信誉信息的防篡改方法.国家发明专利，专利号：ZL1.7，专利申请日：2017年01月11日，授权公告日：2020
年06月26日.
[8]胡学钢,王博岩,李培培.自适应多标签预测方法.国家发明专利，专利号：ZL6.7，专利申请日：2015年08月14日，授权公告日：2018年05月18日.