个人简介
卜湛，男，1987年6月生，安徽铜陵人，工学博士，教授，硕士生导师。针对国家重大战略需求，长期从事数据挖掘、复杂网络分析、大数据计算等领域的基础研究工作，结合统计物理学和人工智能领域的前沿技术，为大数据时代的社会化商务智能和系统性金融风险感知探索新理论、新方法和新应用。相关研究成果发表在《管理科学学报》、《计算机学报》、《中国科学：信息科学》、《IEEE Transactions on Knowledge and Data Engineering》、《IEEE Transactions on Parallel and Distributed Systems》、《IEEE Transactions on Cybernetics》、《IEEE Transactions on Systems, Man, and Cybernetics: Systems》等高水平期刊。近年来，主持3项国家自然科学基金项目、1项国家科技支撑计划课题、1项国家重点研发计划子课题等，并参与2项国家自然科学基金重点项目，累计获批各类科研经费超过600万元。学术论文被引用二千余次，并被众多国际权威期刊和顶尖学者列为代表性工作进行高度评价（其中包括IEEE/ACM Fellow，中科院外籍院士，美国科学院/工程院/艺术与科学院院士等国际权威学者）。研究成果在电子商务和金融科技领域获得了应用，解决了社会化群组推荐转化率低和系统性金融风险预警滞后等国民经济领域中的卡脖子关键问题。
l 教学及研究方向（主讲课程）
主要研究方向：复杂网络、社会计算、金融科技、数据挖掘，开设本科生课程有《数据结构》。
l 科研经历
1. 2022.06-至今 南京审计大学、教授、系主任
2. 2020.07-2022.06 南京财经大学、教授、副院长
3. 2016.09-2020.07 南京财经大学、副教授、系主任
4. 2014.03-2016.09 南京财经大学、讲师
5. 2012.08-2013.08 美国阿拉巴马大学伯明翰分校、访问学者
6. 2009.09-2014.03 南京航空航天大学、博士生
l 学术荣誉
1. 2020 江苏省科学技术奖，5/5
2. 2019 江苏省研究生教育改革成果二等奖，5/5
3. 2019 江苏省六大人才高峰，1/1
4. 2016 江苏省计算机学会优秀博士学位论文奖，1/1
5. 2023 南京审计大学润泽学者
6. 2019 南京财经大学优秀硕士论文指导教师
7. 2016 南京财经大学高端人才支持计划入选者
8. 2015 南京财经大学优秀青年教师
9. 2015 南京财经大学青年学者支持计划入选者
10. 2015 南京航空航天大学优秀博士学位论文
Ø 科研项目
1. 2024.01-2027.12 面向复杂金融系统的跨域风险演化与群智涌现机理研究(72371133), 国家自然科学基金面上项目, 主持, 在研
2. 2022.01-2023.12 跨社交平台动态消费群体发现及应用研究(FNSRFP-2021-YB-22)，江苏省未来网络科研基金一般项目, 主持, 在研
3. 2021.01-2023.12 多源异构旅游大数据隐私保护和资源共享关键技术研究(20KJA520011), 江苏省高等学校自然科学研究重大项目, 主持, 在研
4. 2021.01-2022.12 基于大数据的新一代电子商务全景式营销与决策研究(92046026), 国家自然科学基金重点项目, 第二负责人, 结题
5. 2019.12-2022.11大宗商品交易市场监管与服务技术研究开发及应用示范(2019YFB1405000), 国家重点研发计划项目, 子课题负责人, 结题
6. 2019.01-2022.12社交媒体消费社群形成与演化机理研究(71871109), 国家自然科学基金面上项目, 国家自然科学基金面上项目, 主持, 结题
7. 2017.01-2020.12 面向Online-to-Offline智能商务的大数据融合与应用(91646204), 国家自然科学基金重点项目, 第五负责人, 结题
8. 2016.01-2018.12 面向金融市场走势预测的在线论坛公众情绪挖掘与演化分析算法研究(61502222), 国家自然科学基金青年项目, 主持, 结题
9. 2016.01-2018.12 融合社会化媒体信息的金融市场走势预测模型研究(BK20150988)，江苏省自然科学基金青年项目, 主持, 结题
10. 2016.01-2017.12 食品安全电子溯源数据采集交换与标识关键技术研究与应用(2015BAK36B02)，国家科技支撑计划项目,课题负责人, 结题
Ø 学术贡献
（1） 基于跨模态语义融合的跨领域时序知识图谱量质增殖
研究背景：伴随金融体制改革的持续深入和国内资本市场的极速扩容，外源性金融风险容易向内传导并对各种内生性金融风险发生作用，叠加形成错综复杂的金融风险事件。当前形势下的金融风险引发的燃点极低、爆发的速度极快、扩散的范围极广，现有的依赖“垂直式风险信息采集”的金融监管模式由于缺少跨模态复杂社会信息语义表征与融合，导致底层数据与高层语义存在“语义鸿沟”，缺乏跨模态语义理解与推理能力；缺少跨机构、跨行业、跨市场的金融风险态势关联和知识共享，导致金融风险态势的感知效率、准确性和时效性低下，缺乏面向金融风险态势感知的知识抽取与挖掘能力；缺少跨领域时序知识统一表示、获取与综合评估体系，导致碎片化知识难以实现量质转化与增值，缺乏情景感知与需求驱动的知识推理能力。
理论创新：针对现阶段知识谱图技术多注重特定领域的知识分析与推理，缺乏跨模态、跨领域、跨时域的联合演化性分析与推理能力的现状，研究跨模态、跨领域、跨时域大规模知识图谱的量质增殖理论框架，提出基于知识图谱的金融风险“大感知”体系：基于多视图学习和联合学习技术，提出跨模态、跨领域实体与关联知识联合提取与知识融合方法，构建跨模态、跨领域、跨时域的“大”规模知识图谱。基于图卷积神经网络和多头注意力机制，提出风险感知的跨域知识统一表示、获取与评估体系，实现知识图谱对金融风险因素的“感”。基于网络高阶结构和自编码器学习，构建知识图谱的多粒度表征体系，实现可计算、可理解的可“知”知识图谱。通过研究多层次、跨领域、跨时域的知识建模与知识库构建，以及多粒度知识体系动态结构变化性表征与推理，构建跨领域时序知识图谱；通过研究情景感知与需求驱动的知识推理技术，构建具有高度自动化的跨领域动态知识图谱，实现“自调节”、“自扩充”、“自融合”的“三自”金融风险知识图谱构建体系；基于动态变结构学习研究知识增殖的时空演化方法，实现“动态理解”、“动态增殖”、“动态感知”的“三动”金融风险知识图谱推理与增殖体系，为跨市场、跨行业、跨机构金融风险感知和社交网络金融风险决策偏好计算推理提供知识支撑。
研究成果：在多模态信息聚类、时序网络链路预测和有向网络表征学习等方面，已在包括【IEEE Transactions on Systems, Man, and Cybernetics: System】、【Information Fusion】、【Information Sciences】、【Cluster Computing】、【Knowledge-Based Systems】、【计算机研究与发展】等国内外高水平期刊/会议发表研究论文10余篇。
（2） 基于股票关联网络与深度强化学习的自适应股指预测
研究背景：股票市场作为金融风险传导的主要载体，是一个具有高噪声、非线性、非平稳和混沌等特征的复杂系统。股指时间序列是股票市场内在复杂性的综合外在表现，为投资者制定投资策略提供了重要参考。股指预测不仅有利于更好的监测和管理与股票市场高度关联的复杂金融系统，还能为股票市场风险评估和预警提供重要支撑。受共同的宏观经济或行业因素影响，股指成分股价格波动之间存在复杂的关联性，传统股指预测缺少股指成分股关联性分析，难以充分捕捉和刻画股票市场内在的复杂性，缺乏股指时间序列网络化建模分析；现有研究忽略从中观尺度实时捕捉不同行业板块对股指未来价格波动的影响权重，对股票市场的内部运行机制缺乏深刻认识，缺乏股指成分股关联网络的层次化特征提取技术；此外，现有股指预测研究多使用单一的预测模型，难以对股票市场的运动规律和趋势进行准确描述，缺乏对股票市场收益率可预测性的动态感知以及对自身决策模式的自适应调整。
理论创新：针对传统的股指预测研究缺乏股指成分股关联性分析及其对自身决策模式的自适应调整，难以动态捕捉和刻画股票市场内在的复杂性的现状，以股票市场监管为切入点，探索股指成分股价格波动相关性，实现股票关联网络层次化特征抽取与自适应股指预测：为了从微观层面捕捉股指价格波动的内在复杂性，项目组考虑股指成分股价格波动相关性以及成分股基本面和技术面指标，基于可视图和平面极大过滤图模型构建时序股票关联网络模型，将股指预测问题转化为一种图分类问题，即学习一个映射函数将股票关联网络映射到一组标签的集合。为了从中观层面捕捉不同行业板块对股指未来价格波动的影响权重，项目组基于可微池化模块层次化聚合股票关联网络的节点属性信息，试图从不同行业视角提取股指价格波动的中观尺度预测因子，引入了包括逻辑回归、多层感知器和栈式自编码器在内的多种可微分类模型，通过其与可微池化模块的组合，产生不同的股指预测信号。为了提升股指预测结果的鲁棒性，项目组考虑到股指预测中动态时变的股票市场环境以及面向动态状态下的候选预测信号寻优目标，将自适应股指预测问题形式化为一种强化学习结构，即在动态环境（股票市场）与动作（候选预测信号选择）的交互过程获得奖励（股指收益率），并以最优化全局奖励为目标学习动作的选择策略。
研究成果：在股指时间序列分析和强化学习等方面，已在包括【管理科学学报】和【中国科学：信息科学】等国内外高水平期刊/会议发表研究论文5篇。
（3） 多层异构风险溢出网络关键节点识别与传播演化分析
研究背景：金融工具的不断创新，各类衍生品涌现，表外业务范围扩大，金融机构个体间的联动性逐渐上升，金融市场风险传导速度加快。金融机构间的过度关联使得负面冲击在机构个体之间、部门行业间以及金融系统和实体经济之间传导扩散，冲击破坏力急剧上升，影响范围迅速扩大，放大了风险传导的渠道与可能性。现有的金融监管模式由于缺少对多源异构复杂社会信息的实时分析与跟踪，导致风险要素的隐蔽性和动态性难以进行关联性分析，缺乏金融风险跨机构、跨行业、跨市场传导的系统性建模；同时由于传统金融风险监管的模态粒度单一固定，难以准确匹配风险感知的动态需求，缺乏复杂社会信息与金融风险态势的关联分析；此外，传统金融风险传导研究多面向单层同构的金融机构关联网络，对风险跨机构、跨行业、跨市场传导机制的理解较为片面，缺乏面向多层异构金融关联网络的风险演化分析。
理论创新：针对传统的系统性金融风险研究缺乏金融风险跨机构、跨行业和跨市场传导的系统性建模和因果关联分析的现状，基于机构、行业和市场层面的风险溢出信息和跨领域时序知识图谱构建多层异构风险溢出网络，探索系统重要性金融机构测度方法以及风险跨机构、跨行业、跨市场传导与扩散机制：基于格兰杰因果检验和条件风险价值模型分别构建机构、行业和市场层面的风险溢出网络，然后基于跨领域时序知识图谱表征学习结果度量机构-行业-市场间的相关性，进而构建多层异构金融风险溢出网络。基于不同网络层中异质节点连边分布和节点邻域相似性测度层间影响权重和层内节点中心性；通过层间影响权重耦合异质节点的影响强度进而融合层内节点K-Shell中心性和跨层介数中心性对复杂金融系统中经济主体系统性风险贡献度进行综合评估。将拓扑偏置重启随机游走策略拓展至多层异构风险溢出网络，引入同层、跨层游走调控参数构建风险转移矩阵，基于金融监管部门披露的风险事件，计算多层异构风险溢出网络的初始感染概率分布，设计面向风险态势感知的反馈评价机制对相关调控参数进行估计，以揭示金融风险跨机构、跨行业、跨市场传导扩散机理。
研究成果：在复杂金融系统建模、关键节点识别和网络脆弱性评估等方面，已在包括【IEEE Transactions on Knowledge and Data Engineering】、【IEEE Transactions on Industrial Informatics】、【IEEE Transactions on Cybernetics】、【ACM Transactions on Knowledge Discovery from Data】等国内外高水平期刊/会议发表研究论文10余篇。
（4） 基于动态类簇形成博弈的社交网络群决策涌现与推演
研究背景：社交网络的广泛应用，极大地激发了公众参与社会事务的热情。金融风险初现端倪，广大网民迅速汇集并参与其中，利用自主智能对风险进行分析与解读，最后借助社交网络平台发布所知、所想、所感，同时与其它网民进行实时互动。传统依赖“集中式领域专家决策”的金融监管制度以专业机构监管为重点，通过少数人监督多数人，忽略了社会公众参与，亟需面向网民自主智能融合的金融风险决策偏好感知技术；同时，在线用户之间的信息、资源或是情感等沟通交流是建立在信任的基础上，社交网络中在线信任的形成机制及其对风险决策偏好的影响机理还有待深入研究，亟需面向社交网络的金融风险决策偏好演化分析技术；此外，社交网络风险决策以动态社会群体的复杂行为为核心，而群体行为作为个体行为及其交互涌现的结果，具有多种复杂特性，现有研究缺少动态社会群体行为的复杂性建模与分析，导致响应决策与动态社会群体行为之间的耦合与互动难以被准确描述，缺乏超大群体智能决策与推演技术。
理论创新：现有研究缺少针对金融风险事件中动态社会群体行为的复杂性及其建模与分析，导致响应决策与动态社会群体行为之间的耦合与互动难以被准确描述，缺乏超大群体智能决策的涌现与推演技术。通过社交网络风险决策偏好感知与演化分析构建面向混杂社会群体的移情化社会选择模型，实现混杂群体结构与风险决策偏好耦合推演：引入表情符号变量和性格情绪参数构建面向用户生成内容的决策偏好推理计算模型，试图发现广大网民对不同宏观审慎政策工具的选择偏好，进而获得有价值的决策辅助信息。利用社交网络上的关注、点赞、评论和转发等行为数据构建用户信任关联网络，考虑用户决策偏好矩阵和信任关联网络拓扑结构的耦合影响，扩展经典的有界信任模型使其适用于用户风险决策偏好的演化分析。考虑网络社团结构对用户决策偏好聚合的影响，引入社团隶属度矩阵构建局部（全局）移情化社会选择计算框架。前者基于势博弈定义用户的策略空间和效用函数，并基于Logit动态响应求解满足纳什均衡性质的社团结构；后者基于动态类簇形成博弈分析用户偏好矩阵和社团隶属度矩阵的耦合演化机制，以实现风险决策偏好与混杂群体结构的自主推演。
研究成果：在文本情感挖掘、意见演化分析和动态社区发现等方面，已在包括【IEEE Transactions on Knowledge and Data Engineering】、【IEEE Transactions on Cybernetics】、【Knowledge and Information Systems】、【计算机学报】等国内外高水平期刊/会议发表研究论文10余篇。中科院外籍院士H. Vincent Poor（Princeton Univ.），Witold Pedrycz（University of Alberta），Zhiwu Li（Xidian Univ.），Chin-Teng Lin（University of Technology Sydney）等学者对属性图聚类算法进行了正面评价，并将其与CESNA和EDCAR等经典属性图聚类方法在四个维度上进行了比较。相关技术已在中国制造网（https://cn.made-in-china.com/）上进行了实施应用，网站注册收费用户数量相比实施前增加了40%。
Ø 发表论文
[1]. 卜湛*, 张善凡, 李雪延, 马丹丹, 曹杰. 基于深度强化学习的自适应股指预测研究 [J]. 管理科学学报, 26(4): 148-174, 2023.
[2]. 卜湛*, 王煜尧, 马丽娜, 蒋玖川, 曹杰. 基于动态类簇形成博弈的属性图聚类方法[J]. 计算机学报, 44(9): 1824-1840, 2021.
[3]. 陶海成,卜湛,曹杰. 基于多目标强化学习的社区隐藏框架[J].中国科学:信息科学, 51(7):1131-1145, 2021.
[4]. 刘留,王煜尧,倪琦瑄,曹杰,卜湛*. 一种基于博弈论的时序网络链路预测方法[J].计算机研究与发展, 56(9):1953-1964, 2019.
[5]. Zhan Bu, Hui-Jia Li, Chengcui Zhang, Jie Cao, Aihua Li, Yong Shi. Graph K-means Based on Leader Identification, Dynamic Game, and Opinion Dynamics[J].IEEE Transactions on Knowledge and Data Engineering, 32(7): 1348-1361, 2020.
[6]. Zhan Bu, Huijia Li, Jie Cao, Zhen Wang, Guangliang Gao. Dynamic Cluster Formation Game for Attributed Graph Clustering[J]. IEEE Transactions on Cybernetics, 49(1): 328-341, 2019.
[7]. Zhan Bu, Zhiang Wu, Jie Cao, Yichuan Jiang.Local Community Mining on Distributed and Dynamic Networks From a Multiagent Perspective[J]. IEEE Transactions on Cybernetics, 46(4): 986-999, 2016.
[8]. Jie Cao, Zhan Bu*, Yuyao Wang, Huan Yang, Jiuchuan Jiang, Hui-Jia Li. Detecting Prosumer-Community Groups in Smart Grids From the Multiagent Perspective[J].IEEE Transactions on Systems, Man, and Cybernetics: Systems, 49(8): 1652-1664, 2019.
[9]. Hui-Jia Li, Lin Wang, Zhan Bu, Jie Cao, Yong Shi. Measuring the Network Vulnerability Based on Markov Criticality[J]. ACM Transactions on Knowledge Discovery from Data, 16(2): 1-28, 2022.
[10].Jiuchuan Jiang, Kai Di, Bo An, Yichuan Jiang, Zhan Bu, Jie Cao. Batch Crowdsourcing for Complex Tasks Based on Distributed Team Formation in E-Markets[J]. IEEE Transactions on Parallel and Distributed Systems, 33(12): 3600-3615, 2022.
[11].Hui-Jia Li, Zhan Bu, Zhen Wang, Jie Cao. Dynamical Clustering in Electronic Commerce Systems via Optimization and Leadership Expansion[J]. IEEE Transactions on Industrial Informatics, 16(8): 5327-5334, 2020.
[12].Huijia Li, Zhan Bu, Aihua Li, Zhidong Liu, Yong Shi. Fast and Accurate Mining the Community Structure: Integrating Center Locating and Membership Optimization[J]. IEEE Transactions on Knowledge and Data Engineering, 28(9): 2349-2362, 2016.
[13].Jie Cao, Yuyao Wang, Zhan Bu, Youquan Wang, Haicheng Tao, Guixiang Zhu. Compactness Preserving Community Computation Via a Network Generative Process[J]. IEEE Transactions on Emerging Topics in Computational Intelligence, 6(5): 1044-1056, 2022.
[14].Jiuchuan Jiang, Bo An, Yichuan Jiang, Chenyan Zhang, Zhan Bu, Jie Cao. Group-Oriented Task Allocation for Crowdsourcing in Social Networks[J].IEEE Transactions on Systems, Man, and Cybernetics: Systems, 51(7): 4417-4432, 2021.
[15].Jiuchuan Jiang, Bo An, Yichuan Jiang, Peng Shi, Zhan Bu, Jie Cao. Batch Allocation for Tasks with Overlapping Skill Requirements in Crowdsourcing[J]. IEEE Transactions on Parallel and Distributed Systems, 30(8): 1722-1737, 2019.
[16].Jiuchuan Jiang, Bo An, Yichuan Jiang, Donghui Lin, Zhan Bu, Jie Cao, Zhifeng Hao. Understanding Crowdsourcing Systems from a Multiagent Perspective and Approach[J]. ACM Transactions on Autonomous and Adaptive Systems, 13(2): 8:1-8:32, 2018.
[17].Huijia Li, Zhan Bu*, Zhen Wang, Jie Cao, Yong Shi. Enhance the Performance of Network Computation by a Tunable Weighting Strategy [J]. IEEE Transactions on Emerging Topics in Computational Intelligence 2(3): 214-223, 2018.
[18].Zhan Bu, Shanfan Zhang, Shanshan Cao, Jiuchuan Jiang, Yichuan Jiang. Community-aware empathetic social choice for social network group decision making[J]. Information Sciences, 644: 119248, 2023
[19].Zhan Bu, Yuyao Wang, Huijia Li, Jiuchuan Jiang, Zhiang Wu, Jie Cao. Link prediction in temporal networks: Integrating survival analysis and game theory[J].Information Sciences, 498: 41-61, 2019.
[20].Zhan Bu, Jie Cao, Huijia Li, Guangliang Gao, Haicheng Tao. GLEAM: a graph clustering framework based on potential game optimization for large-scale social networks[J]. Knowledge and Information Systems, 55(3): 741-770, 2018.
[21].Zhan Bu, Guangliang Gao, Huijia Li, Jie Cao. CAMAS: A cluster-aware multiagent system for attributed graph clustering[J]. Information Fusion, 37: 10-21, 2017.
[22].Zhan Bu*, Huijia Li, Jie Cao, Zhiang Wu, Lu Zhang. Game theory based emotional evolution analysis for chinese online reviews[J]. Knowledge-Based Systems, 103: 60-72, 2016.
[23].Zhan Bu*, Chengcui Zhang, Zhengyou Xia, Jiandong Wang. An FAR-SW based approach for webpage information extraction[J]. Information Systems Frontiers, 16(5): 771-785, 2014.
[24].Zhan Bu*, Chengcui Zhang, Zhengyou Xia, Jiandong Wang. A fast parallel modularity optimization algorithm (FPMQA) for community detection in online social network[J]. Knowledge-Based Systems, 50: 246-259, 2013.
[25].Zhan Bu*, Zhengyou Xia, Jiandong Wang. A sock puppet detection algorithm on virtual spaces[J]. Knowledge-Based Systems, 37: 366-377, 2013.
[26].Zhan Bu*, Zhengyou Xia, Jiandong Wang, Chengcui Zhang: A last updating evolution model for online social networks[J]. Physica A: Statistical Mechanics and its Applications,392(9):2240–2247, 2013.
[27].Lei Shi, Shuqing Li, Xiaowei Ding, Zhan Bu. Selection bias mitigation in recommender system using uninteresting items based on temporal visibility[J]. Expert Systems with Applications, 213(Part): 118932, 2023.
[28].Dandan Ma, Shuqing Li, Jia Tina Du, Zhan Bu, Jie Cao, Jianjun Sun. Engaging voluntary contributions in online review platforms: The effects of a hierarchical badges system[J]. Computers in Human Behavior, 127: 107042, 2022.
[29].Jiuchuan Jiang, Yuan Li, Y. Jiang, Zhan Bu, Jie Cao. An intermediary utility-based service search and structure organization approach in service-oriented MAS[J]. Knowledge-Based Systems, 241: 108154, 2022.
[30].Zhenyu Li, Shuqing Li, Yunhan Liu, Zhan Bu. Application of MLP Based on Joint Similar Groups in User Interest Expression and Recommendation Service[J]. SN Computer Science, 3(4): 309, 2022.
[31].Guixiang Zhu, Youquan Wang, Jie Cao, Zhan Bu, Shuxin Yang, Weichao Liang, Jingting Liu. Neural Attentive Travel package Recommendation via exploiting long-term and short-term behaviors[J]. Knowledge-Based Systems, 211: 106511, 2021.
[32].Yuyao Wang, Jie Cao, Zhan Bu, Jiuchuan Jiang, Huanhuan Chen. Proximity-based group formation game model for community detection in social network[J]. Knowledge-Based Systems, 214: 106670, 2021.
[33].Xi Xiong, Shaojie Qiao, Nan Han, Fei Xiong, Zhan Bu, Rong-Hua Li, Kun Yue, Guan Yuan. Where to go: An effective point-of-interest recommendation framework for heterogeneous social networks[J]. Neurocomputing 373: 56-69, 2020.
[34].Xi Xiong, Yuanyuan Li, Rui Zhang, Zhan Bu, Guiqing Li, Shenggen Ju. DGI: Recognition of Textual Entailment via dynamic gate Matching[J]. Knowledge-Based Systems, 194: 105544, 2020.
[35].Tao Yi, Shanfan Zhang, Zhan Bu*, Jinwei Du, Changjian Fang. Link prediction based on higher-order structure extraction and autoencoder learning in directed networks[J]. Knowledge-Based Systems, 241:108241, 2022.
[36].Yuyao Wang, Zhan Bu*, Huan Yang, Hui-Jia Li, Jie Cao. An effective and scalable overlapping community detection approach: Integrating social identity model and game theory[J]. Applied Mathematics and Computation, 390: 125601, 2021.
[37].Guangliang Gao, Jie Cao, Zhan Bu*, Huijia Li, Zhiang Wu. A generalized game theoretic framework for mining communities in complex networks[J]. Expert Systems with Applications, 96: 450-461, 2018.
[38].Zhiang Wu, Guangliang Gao, Zhan Bu*, Jie Cao. SIMPLE: a simplifying-ensembling framework for parallel community detection from large networks[J]. Cluster Computing, 19(1): 211-221, 2016.
[39].Qipeng Lu, Zhan Bu*, Yuyao Wang. A Multiobjective Evolutionary Approach for Influence Maximization in Multilayer Networks[C].The 6th International Conference on Computing and Artificial Intelligence, Tianjin, China, pp. 431-438, 2020.
[40].Zi Qi, Zhan Bu*, Xi Xiong, Hongliang Sun, Jie Cao, Chengcui Zhang. A Stock Index Prediction Framework: Integrating Technical and Topological Mesoscale Indicators C]. The 20th IEEE International Conference on Information Reuse and Integration for Data Science, IRI 2019, Los Angeles, CA, USA, pp. 23-30, 2019.
[41].Guangliang Gao, Zhan Bu*, Lingbo Liu, Jie Cao. A survival analysis method for stock market prediction[C].International Conference on Behavioral, Economic and Socio-cultural Computing, pp. 116-122, 2015.
[42].Lu Zhang, Zhiang Wu, Zhan Bu, Ye Jiang, Jie Cao. A pattern-based topic detection and analysis system on Chinese tweets[J]. Journal of Computational Science, 28: 369-381, 2018.
[43].Youquan Wang, Zhiang Wu, Zhan Bu, Jie Cao, Dun Yang. Discovering shilling groups in a real e-commerce platform[J]. Online Information Review, 40(1): 62-78, 2016.
[44].Zhengyou Xia, Zhan Bu. Community detection based on a semantic network[J]. Knowledge-Based Systems, 26: 30-39, 2012.
Ø 授权国家发明专利
[1]. 孙宏亮;付泉赟;卜湛;曹杰：一种基于电商评论识别恶意用户的方法. CN202010063701 B, 2020
[2]. 韩金广;曹杰;伍之昂;史本云;毛波;黄健;卜湛;张璐：属性基加密方法和装置. CN201511026516 B, 2020
[3]. 孙宏亮;梁楷平;卜湛;曹杰：一种基于极差的电商水军识别方法. CN202010065827 B, 2020
[4]. 曹杰;卜湛;高光亮;刘金雯：一种社区网络检测方法及装置. CN201610996893 B, 2020
[5]. 张璐;陈晨;伍之昂;曹杰;方昌健;卜湛：自动摘要生成方法及装置. CN105652704 B, 2019
[6]. 卜湛;伍之昂;曹杰;李秀怡;刘英卓：一种文本提取方法及装置. CN103810251 B, 2017
[7]. 韩金广;曹杰;伍之昂;毛波;卜湛：具有隐私保护的无中央机构的密文政策的属性基加密方法. CN104135495 B, 2017
[8]. 卜湛;伍之昂;曹杰;李秀怡;方昌健;刘英卓：一种“网络马甲”的检测方法. CN103778186 B, 2016
[9]. 夏正友;卜湛：基于博弈理论的互联网虚拟空间用户可信度评价方法. CN102779126 B, 2015
Ø 联系方式
办公室：致明楼516室
邮箱：zhanbu@nau.edu.cn