头像

王东京 博士

职称：副教授 邮箱：dongjing.wang@hdu.edu.cn 研究方向：大模型，推荐系统，数据挖掘，机器学习，服务计算，人工智能 导师类型：博士生导师
最新更新
  • 个人简介
  • 教育经历
  • 工作经历
  • 社会职务
  • 研究领域
  • 教学与课程
  • 科研项目
  • 论文与著作
  • 专利成果
  • 软件成果
  • 荣誉及奖励
  • 个人简介
  • 教育经历
  • 工作经历
  • 社会职务
  • 研究领域
  • 教学与课程
  • 科研项目
  • 论文与著作
  • 专利成果
  • 软件成果
  • 荣誉及奖励

王东京，副教授，博士生导师，杭州电子科技大学计算机学院/大数据研究院/滨江研究院。2018年和2012年在浙江大学获得博士学位和学士学位，师从邓水光教授。在2016年3月至2017年3月期间访问澳大利亚悉尼科技大学，与徐贯东教授合作研究。

主要研究方向为人工智能/推荐系统[互联网/商业…] /大模型[模型优化] 、数据挖掘[气象/交通/故障]、计算机视觉、服务计算等。在 ACM TOIS、KDD、IEEE TMM、IEEE TCYB、IEEE TNNLS、软件学报等国内外权威期刊与学术会议上发表科研论文80余篇，获得了SEKE 2019最佳论文奖提名（Best Paper Award: Third Place）以及Chinacom 2020唯一最佳论文奖（Best Paper Award），获得ESI高被引论文。授权发明专利40余项。 出版教材《大数据：基础、技术与应用》一部，荣获中国产学研创新成果奖、浙江省科学技术奖、日内瓦发明专利奖等奖项。

主持国家基金项目、浙江省尖兵领雁项目（重点研发）、浙江省基金重点/一般项目、科技部-科技创新2030重大项目子任务等。与浙江大学/悉尼科技大学/香港教育大学/网易游戏/网易云音乐/浙江省气象局气科所/浙江微能/浙江机电研究院/浙江科正等多个科研院所公司有紧密合作。

欢迎对大模型、推荐系统、数据挖掘和机器学习方向感兴趣的同学加入课题组！

邮箱: dongjing.wang@hdu.edu.cn

欢迎报考大数据研究院研究生！详情请见 https://dbsi.hdu.edu.cn/

I am currently a Associate Professor with the DBSI Lab, School of Compter Science and Technology at Hangzhou Dianzi University (HDU), Hangzhou, China. Prior to that, I got my Ph.D degree and B.S. degree from Zhejiang University in 2018 and 2012, under the supervision of Prof. Shuiguang Deng. I have been visiting University of Technology Sydney, Australia (working with Prof. Guandong Xu) during Mar., 2016 to Mar., 2017.

I am currently a Associate Professor with the DBSI Lab, School of Compter Science and Technology at Hangzhou Dianzi University (HDU), Hangzhou, China. Prior to that, I got my Ph.D degree and B.S. degree from Zhejiang University in 2018 and 2012, under the supervision of Prof. Shuiguang Deng. I have been visiting University of Technology Sydney, Australia (working with Prof. Guandong Xu) during Mar., 2016 to Mar., 2017.

My research interests are mainly focusing on Large Language Model(LLM), Recommender Systems, Data Mining and Machine Learning. Welcome all students interested in these research topics to join my research team!


[个人主页]

[Homepage]

Selected Publications

Full publications: [Google scholar], [DBLP], [Semantic Scholar]


浙江大学，杭州，中国

Ÿ   2012.9~2018.6：博士研究生，计算机科学与技术学院，导师邓水光教授（Shuiguang Deng）。

Ÿ   2008.9~2012.6：本科，软件学院

悉尼科技大学，悉尼，澳大利亚

Ÿ   2016.3-2017.3：交流访问，AAI实验室，导师徐贯东副教授（Guandong Xu）。


中国计算机学会会员，中国计算机学会服务计算专委会委员，IEEE会员。

杭州市计算机学会教育工委秘书长。

杭州电子科技大学滨江研究院技术总监。


大模型，推荐系统，服务计算，大数据分析，数据挖掘，人工智能


教授课程：《数据挖掘》《数据仓库与数据挖掘》《人工智能与模式识别》、《Python与人工智能》、《Python数据分析与应用》《创新实践》、《计算机组成原理》《数字设计与计算机组成》、《数字电路设计》

纵向科研

  1. 基于国产芯片的大模型训练平台，2024~2026，王东京，在研，科技部-科技创新2030重大项目-课题参与

  2. 用户意图感知的个性化服务推荐与可解释性研究，2023~2025，王东京，在研，国家自然科学基金-青年科学基金项目

  3. 用户动态兴趣与服务演化协同感知的个性化推荐研究，2025，王东京，在研，开放课题

    多层特征感知的个性化推荐方法研究,2019-11-19,2020-01-01,王东京,在研,计算机学院（软件学院）,9

  4. 基于区块链的工业产品防伪溯源平台,2020-11-02,2020-09-30,俞东进,在研,国务院其他部门,计算机学院（软件学院）,计算机科学技术,49.05

  5. 基于工业互联网的智慧能源管理系统研究及其在高能耗行业中的节能应用,2020-03-06,2019-08-01,俞东进,在研,省、市、自治区科技项目,计算机学院（软件学院）,计算机科学技术,80

  6. 重点工业设备上云解决方案应用推广公共服务平台,2020-04-01,2020-04-01,俞东进,在研,国务院其他部门,计算机学院（软件学院）,计算机科学技术,81.75

  7. 基于“工业互联网平台+区块链”的供应链管理系统,2021-09-09,2020-09-30,俞东进,在研,国务院其他部门,计算机学院（软件学院）,计算机科学技术,32.7

  8. 互联网+技术框架研究及其在政务系统中的应用,2018-01-01,2018-01-01,2019-08-08,俞东进,结题,计算机学院（软件学院）,10

横向科研

  1. 上下文感知的推荐技术研究,2018-10-11,2018-07-01,王东京,在研,计算机学院（软件学院）,计算机科学技术,8

  2. 基于深度学习的上下文感知推荐方法研究,2019-11-29,2019-07-01,王东京,在研,计算机学院（软件学院）,计算机科学技术,5

  3. 鸽群优化算法的改进与应用,2018-10-11,2018-10-01,陈信,在研,计算机学院（软件学院）,4

  4. 面向复杂异质信息网络的社区查询关键技术研究,2021-01-01,王宇翔,在研,自选课题（校内项目）,计算机学院（软件学院）,计算机科学技术,20

  5. 面向智慧城市的多源跨界大数据时空融合与智能服务,2021-08-06,2021-01-01,孙笑笑,在研,其他课题,计算机学院（软件学院）,计算机科学技术,5


论文

Selected Publications

Full publications: [Google scholar], [DBLP], [Semantic Scholar]

推荐系统

[1]     Dongjing Wang, Xin Zhang, Yuyu Yin, Dongjin Yu, Guandong Xu, Shuiguang Deng. Multi-View Enhanced Graph Attention Network for Session-Based Music Recommendation, ACM Transactions on Information Systems, 2023 （CCF A）

[2]     王东京, 刘继涛, 俞东进. 电动自行车轨迹简化与自适应地图匹配算法[J]. 软件学报, 2023, 34(8): 3793-3820.

[3]     Dongjing Wang, Xingliang Wang, Zhengzhe Xiang, Dongjin Yu, Shuiguang Deng, Guandong Xu. Attentive sequential model based on graph neural network for next poi recommendation. World Wide Web 24, 2161-2184 (2021). （SCI 3区，CCF B，IF= 2.716）

[4]    Dongjing Wang, Xin Zhang, Yao Wan, Dongjin Yu, Guandong Xu, Shuiguang Deng. Modeling Sequential Listening Behaviors with Attentive Temporal Point Process for Next and Next New Music Recommendation. IEEE Transactions on Multimedia. 2021. （SCI 1区，IF= 6.513）

[5]    Dongjing Wang, Xin Zhang, Zhengzhe Xiang, Dongjin Yu, Guandong Xu, Shuiguang Deng. Sequential Recommendation Based on Multivariate Hawkes Process Embedding With Attention. IEEE Transactions on Cybernetics 2021.（SCI，中科院一区，IF=11.448）

[6]    Jianqing Zhang, Dongjing Wang*, Dongjin Yu. TLSAN: Time-aware Long-and Short-term Attention Network for Next-item Recommendation. Neurocomputing 441, 179-191. 2021. (SCI，中科院二区，IF=5.719)

[7]    Dongjin Yu, Wenbo Wanyan, Dongjing Wang. Leveraging contextual influence and user preferences for point-of-interest recommendation. Multimedia Tools and Applications 80 (1), 1487-1501. 2021.（SCI，中科院三区，CCF C，IF= 2.757）

[8]    Dongjing Wang, Xin Zhang, Dongjin Yu, Guandong Xu, Shuiguang Deng. CAME: Content- and Context-Aware Music Embedding for Recommendation. IEEE Transactions on Neural Networks and Learning Systems, 2021, 1375-1388. （SCI，中科院一区，IF=10.451）.

[9]    Dongjing Wang, Dengwei Xu, Dongjin Yu, Guandong Xu, Time-aware sequence model for next-item recommendation, Applied Intelligence, 51 (2), 906-920. 2021.（SCI，中科院三区）

[10]    Lisha Liu, Dongjin Yu, Dongjing Wang, Fumiyo Fukumoto. Citation Count Prediction Based on Neural Hawkes Model[J]. IEICE Transactions on Information and Systems, 2020, 103(11): 2379-2388.

[11]    Dongjing Wang, Shuiguang Deng, Xin Zhang, Guandong Xu. Learning to Embed Music and Metadata for Context-Aware Music Recommendation. World Wide Web Journal. 2018.（中科院三区, CCF B，IF=1.405）

[12]  Dongjing Wang, Shuiguang Deng, Guandong Xu. Sequence-based Context-aware Music Recommendation. Information Retrieval Journal. 2018.（SCI，中科院四区，CCF C）

[13]  Dongjing Wang, Shuiguang Deng, Guandong Xu. Music Recommendation via Heterogeneous Information Graph Embedding. International Joint Conference on Neural Networks (IJCNN 2017).（CCF C）

[14]  Dongjing Wang, Shuiguang Deng, Xin Zhang, Guandong Xu. Learning Music Embedding with Metadata for Context Aware Recommendation. Proceedings of the 2016 ACM on International Conference on Multimedia Retrieval (ICMR 2016): 249-253. (CCF B，Poster).

[15]  Dongjing Wang, Shuiguang Deng, Songguo Liu, Guandong Xu. Improving Music Recommendation Using Distributed Representation. Proceedings of the 25th International Conference Companion on World Wide Web (WWW 2016) : 125-126. (CCF A，Poster，最佳Poster候选).

[16]  Dongjing Wang, Shuiguang Deng, Guandong Xu. GEMRec: A Graph-based Emotion-aware Music Recommendation Approach. International Conference on Web Information Systems Engineering (WISE 2016): 92-106.（CCF C）

[17]  Shuiguang Deng, Dongjing Wang, Xitong Li, Guandong Xu. Exploring User Emotion in Microblogs for Music Recommendation. Expert Systems with Applications, Volume 42, Issue 23, 15 December 2015, Pages 9284-9293. (SCI，中科院二区，CCF C).

 

工作流

[1]    Shuiguang Deng, Dongjing Wang, Ying Li, Bin Cao, Jianwei Yin, Zhaohui Wu, Mengchu Zhou. A Recommendation System to Facilitate Business Process Modeling. IEEE Transactions on Cybernetics, 2016. (SCI，中科院一区，Top期刊，CCF B).

[2]    王东京，邓水光，曹斌，尹建伟，熊丽荣. JTangWFR: 一个高效可靠的流程推荐系统. 计算机集成制造系统 19(8), 2013. (核心期刊).

 

边缘计算和软件工程等

[1]    Zhengzhe Xiang*, Yuhang Zheng, Mengzhu He, Longxiang Shi, Dongjing Wang, Shuiguang Deng, Zengwei Zheng. Energy-effective artificial internet-of-things application deployment in edge-cloud systems. Peer-to-Peer Networking and Applications, 2021: 1-16. （SCI，中科院三区，IF=3.307）

[2]    Zhengzhe Xiang, Shuiguang Deng, Yuhang Zheng, Dongjing Wang, Javid Tehari, Zengwei Zheng. Energy-effective IoT Services in Balanced Edge-Cloud Collaboration Systems. IEEE International Conference on Web Services (ICWS). IEEE, 2021: 219-229.

[3]    Zengwei Zheng, Yuhang Zheng, Dongjing Wang, Hailiang Zhao, Cheng Zhang, Zhengzhe Xiang*. Context-aware Artificial Internet-of-Things Application Deployment in Edge-Cloud Systems. IEEE International Conference on Services Computing (SCC). IEEE, 2021: 388-393.

[4]    Zhengzhe Xiang, Shuiguang Deng, Yuhang Zheng, Dongjing Wang, Cheng Zhang, Yuanyi Chen, Zengwei Zheng*. Activate Cost-Effective Mobile Crowd Sensing with Multi-access Edge Computing. International Conference on Communications and Networking in China. Springer, Cham, 2020: 78-97. （Best paper award）

[5]    Junxiao Han, Shuiguang Deng, Xin Xia, Dongjing Wang, Jianwei Yin. Characterization and prediction of popular projects on github[C]//2019 IEEE 43rd annual computer software and applications conference (COMPSAC). IEEE, 2019, 1: 21-26.

 

 

其它论文

 

[1]    Jia Chen, Tao Chen, Mengqi Shen, Yunhai Shi, Dongjing Wang, Xin Zhang*. Gated Three-Tower Transformer for Text-Driven Stock Market Prediction. Multimedia Tools and Applications. 2022. （SCI 3区，CCF C，IF= 2.757）

[2]    王东京, 刘继涛, 俞东进. 基于卡尔曼滤波的电动自行车轨迹简化与自适应地图匹配算法研究[J]. 软件学报.（2021年12月8日录用）


著作

[1]    王东京, 徐登威, 俞东进. 基于时间信息和序列上下文的下一个游戏推荐方法. 公开实审, CN201911387876.5.

[2]    王东京, 张新, 俞东进. 一种基于注意力感知时间点过程的音乐推荐方法. 公开实审, CN202110300775.0.

[3]    张新, 陈嘉, 陈涛, 王东京, 石云海. 一种基于门控三塔的智能制造装备故障预测方法.公开实审, CN202110830568.6

[4]    张新, 王东京, 陈涛. 基于多特征融合网络的图像修复方法.公开实审, CN202110621167.X

[5]    俞东进, 沈熠, 俞婷, 王东京. 一种空间距离自适应的下一个兴趣点推荐方法.公开实审, CN202110062234.9.

[6]    王东京, 张新, 俞东进, 王兴亮, 完颜文博. 基于图神经网络与用户长短期偏好的兴趣点推荐方法. 公开实审, CN202010795451.4.

[7]    王东京, 张新, 俞东进. 一种基于注意力感知时间点过程的音乐推荐方法. 公开实审, CN202110300775.0.

[8]    王东京, 刘继涛, 俞东进, 张新. 基于轨迹的修正与简化的电动自行车轨迹地图匹配方法. 2022-03-01授权, ZL202110300762.3.

[9]    王东京, 张新, 俞东进, 张剑清. 基于时空点过程的兴趣点预测方法. 中国专利, 2021-10-15 授权. ZL 201910940088.8.

[10]  王东京, 张新, 俞东进. 基于图卷积神经网络的混合推荐方法.中国专利, 2021-10-15授权. ZL 201910940872.9.

[11]  王东京, 张新, 俞东进, 邵逸凡. 基于高斯嵌入表示技术的上下文感知推荐方法. 中国专利, 2021-09-28授权, ZL 201910940873.3.

[12]  张新, 王东京, 俞东进. 一种基于层次化物品协同过滤推荐方法. 中国专利, 2021-09-28授权, ZL 201910830873.8.

[13]  张新, 王东京, 俞东进. 基于多维霍克斯过程和注意力机制的下一个物品推荐方法. 中国专利,2021-10-15 授权, ZL 201910830872.3.

[14]  张新, 王东京, 俞东进. 基于异构信息网络表示学习技术的混合音乐推荐方法. 2021-10-15 授权, ZL 201910830866.8.

[15]  俞东进, 徐凯辉, 王东京, 徐登威, 完颜文博. 一种基于异构信息网络的兴趣点推荐方法. 中国专利,2020-12-11 授权, ZL 201910303497.7.

[16]  俞东进, 完颜文博, 王东京, 张新. 基于相关矩阵和词向量模型的兴趣点推荐方法. 中国专利,2021-08-31 授权, ZL 201911425220.8.

[17]  向正哲, 郑宇航, 何梦竹, 王东京, 邓水光, 郑增威. 一种面向边云协同计算环境中节能的服务供应方法. 中国专利, 2022-01-18 授权, ZL 202110965082.3.

[18]  向正哲 , 邓水光 , 王东京 , 李莹 , 吴健 , 尹建伟 , 吴朝晖. 一种面向边缘计算基于缓存的服务供应优化方法. 中国专利, 2019-10-18 授权, ZL 201710806703.7.

[19]  邓水光, 王东京, 向正哲, 李莹, 吴健, 尹建伟, 吴朝晖. 一种基于图嵌入模型的上下文感知音乐推荐方法. 中国专利, 2019-4-23授权, ZL 201610902186.9.

[20]  邓水光, 王东京, 杨宇佳, 李莹, 吴健, 尹建伟, 吴朝晖. 一种基于收听序列和元数据的上下文感知音乐推荐方法. 中国专利, 2018-11-20授权, ZL201610128317.2.

[21]  邓水光, 王东京, 陈明龙, 李莹, 吴健, 尹建伟, 吴朝晖. 一种基于神经网络模型的上下文感知音乐推荐方法. 中国专利, 2019-3-26授权, ZL201610008374.7.

[22]  邓水光, 王东京, 周劲松, 李莹, 吴健, 尹建伟, 吴朝晖. 一种基于收听上下文的音乐推荐方法. 中国专利, 2018-11-13授权, ZL201510726112.X       .

[23]  邓水光, 王东京, 周新宇, 李莹, 吴健, 尹建伟, 吴朝晖. 一种基于Personal Rank的情绪上下文感知的音乐推荐方法. 中国专利, 2018-10-26授权, ZL201510534549.3.

[24]  邓水光, 王东京, 周新宇, 李莹, 吴健, 尹建伟, 吴朝晖. 一种基于微博情绪上下文的音乐推荐方法. 中国专利, 2018-10-26授权, ZL201510534221.1.
最新更新