姓 名：朱振方

性 别：男

职称：教授

专 业：计算机科学与技术

研究方向：网络信息安全，自然语言处理

邮箱：zhuzf@sdjtu.edu.cn

电话：13793100702（交通机电楼B栋303A室）
   招生专业领域：机械专业机器人工程领域

拟招生意向：

具有良好数学和英语基础，能在初试结束进入实验室学习或具有博士深造意愿的同学优先(山东交通学院机械专业-机器人工程方向，山东师范大学电子信息专业-软件工程方向)

个人简介：

 博士，山东大学博士后，三级教授，硕士生导师，山东交通学院教学名师，山东交通学院1251人才计划第二层次人选，山东师范大学合作博士生导师、兼职硕士生导师（软件工程方向），中国信息安全测评中心注册信息安全工程师、中国信息安全测评中心国家信息安全水平考试培训讲师。目前担任信息科学与电气工程学院计算机系主任、山东交通学院融媒体智能计算与安全技术研究中心主任、国家级一流专业建设点“计算机科学与技术”负责人。主要研究兴趣包括网络信息安全、自然语言处理、数据挖掘、人工智能等。兼任中国中文信息学会青年工作委员会委员、中国人工智能学会青年工作委员会委员、中国中文信息学会信息检索专委会委员、中国中文信息学会情感计算专委会委员、中国计算机学会职业教育发展委员会委员、山东计算机学会理事、山东省人工智能学会理事、济南计算机学会常务理事、CCF济南分部监督委员会委员、山东计算机学会网络空间安全专委会委员。

  主持国家社科基金等省部级以上科研项目7项，发表学术论文100余篇，其中第一作者和通信作者发表SCI/EI检索以上论文50余篇，取得发明专利2 项，出版学术专著3部。获得山东省研究生优秀科技创新成果三等奖、济南市社科规划优秀成果奖、山东省高等教育成果二等奖（第二位）、山东省科技进步二等奖（第四位）、山东省计算机应用优秀成果一等奖（第四位）各1项。

学生培养：

已毕业研究生2届，共4人，有3人获得山东省优秀毕业生，2人获得山东省研究生优秀科研成果奖，已毕业学生情况包括卢强（2018级，西北大学在读博士）、国强强（2018级，供职于中科雨辰科技）、张殿元（2019级，中南财经政法大学在读博士）、武文擎（2019级，南京理工大学在读博士）

在读研究生9名，2020和2021级各4名， 2020级研究生均已发表论文1篇、取得软件著作权2项，在投1篇；2021级研究生有1人已发表SCI二区论文1篇，4人均取得软件著作权1项、有1篇论文在投；2020级4名同学为周利华、赵振、左梓程、巩帅，2021级4名同学为骄松林、路京安、李萌、水翔宇、李嘉欣（山东师范大学软件工程方向）。

2022级拟招收研究生3名，其中山东交通学院机械专业-机器人工程方向2人，山东师范大学电子信息-软件工程方向1人。

主持的主要科研课题：

[1] 山东省高等学校青年创新团队人才引育计划，交通装备智能制造与智能控制服务创新团队，人才项目，2021.01-2023.12，高水平学科支持，主持

[2] 济南市科研带头人工作室项目，基于多模态语义分析的重大突发事件网络舆情风险识别与引导研究，2021GXRC104，2022.01-2024.12，20万元，主持    

[3]山东省自然科学基金面上项目，面向重大突发公共卫生事件的网络舆情应对与治理关键技术研究，ZR2021MF064，2022.01-2024-12，10万元，主持

[4]国家社科基金一般项目，面向公共安全事件舆情文本的语义识别与决策支持研究，19BYY076，2019.01-2023.12，20万元，主持

[5]山东省重大科技创新工程，面向公共安全的互联网中文文本语义分析关键技术研究，2019JZZY010129，2019.12-2022.12，340万，子课题负责人，到账经费51万元

[6]山东省社会科学规划项目，网络舆情分析与导控中的文本语义识别与推理机制研究，19BJCJ51， 2019.01-2020.12，5万元，主持

[7]山东省社会科学规划项目，网络重大突发事件的舆情和预警分析研究，17CHLJ33，2017.11-2019.05，1万元，主持

[8]教育部人文社科项目青年项目，基于内容和用户行为分析的网络舆情情感分析技术研究，14YJC860042，2014.11-2019.06，8万元，主持

[9]山东省优秀中青年科学家科研奖励基金项目，基于文本语义挖掘的可信舆情评价与发现关键技术研究，BS2013DX033， 2013.11-2015.11，5万元，主持

代表性论著（仅列部分2021和2022部分论文）：

[1] Jiao, S., Zhu, Z., Wu, W. et al. An improving reasoning network for complex question answering over temporal knowledge graphs. Appl Intell (2022). https://doi.org/10.1007/s10489-022-03913-6

[2] Gong S, Zhu Z, Qi J, Tong C, Lu Q, Wu W (2022) Improving extractive document summarization with sentence centrality. PLoS ONE 17(7): e0268278. https://doi.org/10.1371/journal.pone.0268278

[3]  Zhang, Y., Ding, Q., Zhu, Z. et al. Enhancing aspect and opinion terms semantic relation for aspect sentiment triplet extraction. J Intell Inf Syst 59, 523–542 (2022). https://doi.org/10.1007/s10844-022-00710-y

[4]  Li, X., Lu, R., Liu, P. et al. Graph convolutional networks with hierarchical multi-head attention for aspect-level sentiment classification. J Supercomput 78, 14846–14865 (2022).

https://doi.org/10.1007/s11227-022-04480-w

[5]Guo, Q., Wang, X., Zhu, Z. et al. A knowledge inference model for question answering on an incomplete knowledge graph. Appl Intell (2022). https://doi.org/10.1007/s10489-022-03927-0

[6]Li, Y., Liu, Y., Zhu, Z. et al. Exploring semantic awareness via graph representation for text classification. Appl Intell (2022). https://doi.org/10.1007/s10489-022-03526-z

[7]Zhang, D., Zhu, Z., Kang, S. et al. Syntactic and semantic analysis network for aspect-level sentiment classification. Appl Intell 51, 6136–6147 (2021). https://doi.org/10.1007/s10489-021-02189-6

[8]Wu, W., Zhu, Z., Zhang, G. et al. A reasoning enhance network for muti-relation question answering. Appl Intell 51, 4515–4524 (2021). https://doi.org/10.1007/s10489-020-02111-6

[6]Lu, Q., Zhu, Z., Zhang, G. et al. Aspect-gated graph convolutional networks for aspect-based sentiment analysis. Appl Intell 51, 4408–4419 (2021). https://doi.org/10.1007/s10489-020-02095-3

[10]Zuo, Z, Zhu, Z. et al. (2021). Question Answering over Knowledge Base Embeddings with Triples Representation Learning. In: Mantoro, T., Lee, M., Ayu, M.A., Wong, K.W., Hidayanto, A.N. (eds) Neural Information Processing. ICONIP 2021. Communications in Computer and Information Science, vol 1516. Springer, Cham. https://doi.org/10.1007/978-3-030-92307-5_89

[11]Xu, G., Liu, P., Zhu, Z., Wang, R., Xu, F., Jin, D. (2021). Triple Tag Network for Aspect-Level Sentiment Classification. ICONIP 2021. https://doi.org/10.1007/978-3-030-92310-5_58