2006年7月 — 今 ：中科院计算所，助理研究员、副研究员

研究领域涉及机器学习和自然语言处理，涵盖元学习、小样本学习、强化学习、文本分类、对话系统等，侧重于对行业应用数据的分析和挖掘，重点解决真实应用环境中的难点问题，包括：由于行业数据标注样本少，标注成本高，样本有噪音，引起的模型泛化能力弱的问题；由于行业应用中样本分布不均衡、样本间相互干扰，带来的模型稳定性差的问题；由于应用环境中数据特征不断变化，导致已训练模型失效的问题等等。带领团队成员从跨领域复用、先验知识适配、模型训练过程优化等侧面进行深入研究，取得多项成果，并在信安、司法等行业实际应用，取得显著效果。相关成果已在AAAI、ACL、ICDM、EMNLP、ICWS等会议和期刊上发表多篇论文。毕业的研究生普遍具有较强的实践能力，善于发现并解决实际问题，受到用人单位的一致认可。

主页地址 http://people.ucas.edu.cn/~zhangcheng.ict

期刊文章:

[1] 云制造环境下一种跨企业协同生产调度算法, Collaborative Production Planning Algorithm for Cross-Enterprises in Cloud Manufacturing, 计算机集成制造系统, 2109-02

会议文章：

[1] 用于异常链接检测的新型网络嵌入方法, Anomaly Aware Network Embedding: A Novel Network Embedding For Anomaly Link Detection, Proceedings of the 20th IEEE International Conference on Data Mining(ICDM2020), 2020-11

[2]通过数据增强和样本加权实现有效的实例学习的神经对话生成方法, Data Manipulation: Towards Effective Instance Learning for Neural Dialogue Generation via Augmentation and Weighting, Proceedings of the 58th Annual Meeting of the Association for Computational Linguistics(ACL2020), 2020-09

[3] 一种以用户为中心的基于契约的信任计算方法, A Contract based User-Centric Computational Trust towards E-governance, Proceedings of the 2020 International Conference on Web Services(ICWS2020), 2020-06

[4] 适用于神经对话生成的适应性多课程学习方法, Adaptive Multi-curricula Learning for Neural Dialogue Generation, Proceedings of the Thirth-Fourth AAAI Conference on Artificial Intelligence(AAAI2020), 2020-02

[5] 神经对话生成中的参数自适应调整方法, Adaptive Parameterization for Neural Dialogue Generation, Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing and 9th International Joint Conference on Natural Language Processing(EMNLP2019), 2019-11

[6] 一种支持跨企业协同制造的云端生产服务平台, CPSP: A Cloud-based Production Service Platform Supporting Co-Manufacturing of Cross-Enterprise, Proceedings of the 2018 IEEE 22nd International Conference on Computer Supported Cooperative Work in Design(CSCWD2018), 2018-05

[1] 242重点项目：基于大数据的信息分析，主要参与人；

[2]基于自然语言理解的热点事件感知技术研究，主要参与人；

[3]科技支撑项目：全国人大职能支撑体系关键技术研究与应用示范，主要参与人；