教育/科研经历
张铭，bwin必赢教授，博士生导师，教育部计算机课程教指委委员；ACM China常务理事，中国ACM教育专委会主席，ACM/IEEE IT2017信息技术课程指南执委，ACM/IEEE CC2020计算机学科规范领导小组成员，2013-2021任ACM全球教育指导委员会唯一的中国理事。自1984年考入北京大学，分别获得学士、硕士和博士学位。研究方向为招文本挖掘、图机器学习、教育大数据等，目前主持国家自然科学基金面上项目以及头部公司合作项目，进行前沿探索，解决实际问题并且重视科研成果的转化落地。合作发表科研学术论文300多篇（NeurIPS ICLR、ICML、KDD、WWW、ACL、AAAI、IJCAI等A类会议和TKDE、TOIS和Information Fusion等顶级期刊），获得机器学习顶级会议ICML 2014最佳论文奖、网络信息处理顶级会议WWW 2016最佳论文提名、数据挖掘顶级会议ICDM 2022最佳论文提名。连续入选“全球2000位最具影响力AI学者”，主要贡献为信息检索与推荐领域。 发表了SIGCSE、L@S等教学研究论文，出版学术专著1部，获软件著作权8项，获发明专利6项。主编多部教材，其中《数据结构与算法》获北京市精品教材奖并得到国家“十二五”规划教材支持。带领北大《数据结构与算法》团队，获评国家级和北京市级精品课程（2008）、国家级精品资源共享课程（2016）、首批国家级一流本科课程（线上和线上线下混合式，两门一流本科课程，2020），都排名第一位。2021年荣获CCF杰出教育奖。
张铭老师谷歌学术主页：https://scholar.google.com/citations?user=LbzoQBsAAAAJ
主持在研项目
1.2023.11 – 2026.12, 多层次教育知识图谱构建、检索与推理，科技部国家重点研发计划课题
2. 2023.1 – 2026.12，预训练图表示学习辅助的药物发现研究，国家自然科学基金
3. 2023.10-2026.10，北大-安克具身智能联合实验室，安克创新
4. 2023.7 – 2024.10，大模型逻辑推理能力提升方法研究，北京智源研究院
5.2023.8 – 2024.8，低信噪比时序数据的可扩展式计算表征学习（二期），正仁量化
教学情况
本科生课程 – 数据结构与算法，统计分析与商务智能，科技创新实践
研究生课程 - 统计分析与商务智能，科技创新与创业
主要荣誉和获奖
2002年 北京大学2001-2002学年教学优秀奖
2008年 “数据结构与算法”获得国家级和北京市级精品课程（排名一）
2011年 《数据结构与算法》获得北京市优秀教材奖（排名一）
2013年 北京大学“杨芙清-王阳元院士教师奖”优秀奖
2014年 机器学习领域顶会ICML最佳论文奖
2017年“普惠中拔尖”，获北京市高等教育教学成果一等奖（排名三）
2020年“数据结构与算法”（线上）被评为国家级一流本科课程（排名一）
2020年“数据结构与算法”（线上线下混合式）国家级一流本科课程（排名一）
2021年 CCF杰出教育奖
2022年 北京大学2022年度曾宪梓优秀教学奖
文体类获奖
2018、2022年 北京大学优秀工会积极分子
2015、2017-2020年 北京大学信息学院”Lab杯”蝉联团体冠军
2018-2019年 北京大学教职工乒乓球赛女团蝉联冠军
2019年 北京大学“国球联赛”单打第五名（男女一起比赛，男生每局让4分）
2021年 全国高校“教授杯”乒乓球赛女双季军
2021年 北京大学“国球联赛”女单季军
2021、2023年 北京大学“国球联赛”团体冠军
2023年 全国高校“教授杯”乒乓球赛女单亚军、女双亚军
2023年 北京大学女子花式篮球团体季军
学术交流
与清华大学、浙江大学、华东师范大学、美国华盛顿大学、美国华盛顿圣路易斯大学、美国加州大学洛杉矶分校、美国南加州大学、加拿大蒙特利尔大学、香港科技大学等学术机构有良好的合作关系。
代表著作
1. Yifang Qin, Hongjun Wu, Wei Ju, Xiao Luo, Ming Zhang: A Diffusion model for POI recommendation. ACM Transactions on Information Systems 2024, 42 (2), 54:1-54
2. Zequn Liu, Wei Zhang, Yingce Xia, Lijun Wu, Shufang Xie, Tao Qin, Ming Zhang, Tie-Yan Liu: MolXPT: Wrapping Molecules with Text for Generative Pre-training. ACL (2) 2023: 1606-1616
3. Wei Ju, Yifang Qin, Ziyue Qiao, Xiao Luo, Yifan Wang, Yanjie Fu, Ming Zhang: Kernel-based Substructure Exploration for Next POI Recommendation. ICDM 2022最佳论文提名
4. Jianhao Shen, Yichun Yin, Lin Li, Lifeng Shang, Xin Jiang, Ming Zhang, Qun Liu: Generate & Rank: A Multi-task Framework for Math Word Problems. EMNLP (Findings) 2021: 2269-2279 (被OpenAI团队Training verifiers to solve math word problems一文三处引用)
5. A Clear, A Parrish, J Impagliazzo, P Wang, P Ciancarini, E Cuadros-Vargas, S Frezza, J Gal-Ezer, A Pears, S Takada, H Topi, G van der Veer, A Vichare, L Waguespack, M Zhang: Computing curricula 2020 (CC2020) paradigms for global computing education. ACM/IEEE
6. Yifan Wang, Suyao Tang, Yuntong Lei, Weiping Song, Sheng Wang, Ming Zhang: DisenHAN: Disentangled Heterogeneous Graph Attention Network for Recommendation. CIKM 2020: 1605-1614
7. Chence Shi, Minkai Xu, Zhaocheng Zhu, Weinan Zhang, Ming Zhang, Jian Tang: GraphAF: a Flow-based Autoregressive Model for Molecular Graph Generation. ICLR 2020
8. Chence Shi, Minkai Xu, Hongyu Guo, Ming Zhang, Jian Tang: A Graph to Graphs Framework for Retrosynthesis Prediction. ICML 2020: 8818-8827
9. Ming Zhang, Jile Zhu, Zhuo Wang, Yunfan Chen: Providing personalized learning guidance in MOOCs by multi-source data analysis. World Wide Web 22(3): 1189-1219 (2019).
10. Ming Zhang, Bo Yang, Steve Cooper, Andrew Luxton-Reilly: Proceedings of the ACM Conference on Global Computing Education, CompEd 2019, Chengdu, Sichuan, China, May 17-19, 2019. ACM 2019, ISBN 978-1-4503-6259-7
11. Weiping Song, Chence Shi, Zhiping Xiao, Zhijian Duan, Yewen Xu, Ming Zhang, Jian Tang: AutoInt: Automatic Feature Interaction Learning via Self-Attentive Neural Networks. CIKM 2019: 1161-1170.
12. Weiping Song, Zhiping Xiao, Yifan Wang, Laurent Charlin, Ming Zhang, Jian Tang: Session-Based Social Recommendation via Dynamic Graph Attention Networks. WSDM 2019: 555-563
13. Yiping Song, Cheng-Te Li, Jian-Yun Nie, Ming Zhang, Dongyan Zhao, Rui Yan: An Ensemble of Retrieval-Based and Generation-Based Human-Computer Conversation Systems. IJCAI 2018: 4382-4388
14. Meng Qu, Jian Tang, Jingbo Shang, Xiang Ren, Ming Zhang, Jiawei Han: An Attention-based Collaboration Framework for Multi-View Network Representation Learning. CIKM 2017: 1767-1776
15. Chenguang Wang, Yangqiu Song, Haoran Li, Ming Zhang, Jiawei Han: Text Classification with Heterogeneous Information Network Kernels. AAAI 2016: 2130-2136
16. Yichun Yin, Furu Wei, Li Dong, Kaimeng Xu, MingZhang, Ming Zhou: Unsupervised Word and Dependency Path Embeddings for Aspect Term Extraction. IJCAI 2016: 2979-2985
17. Xiang Li, Lili Mou, Rui Yan, Ming Zhang. StalemateBreaker: A Proactive Content-Introducing Approach to Automatic Human-Computer Conversation. IJCAI 2016: 2845-2851. （被英国《每日邮报》报道）
18. Jian Tang, Jingzhou Liu, Ming Zhang, Qiaozhu Mei: Visualizing Large-scale and High-dimensional Data. WWW 2016: 287-297. 最佳论文提名
19. Jian Tang, Meng Qu, Mingzhe Wang, Ming Zhang, Jun Yan, Qiaozhu Mei: LINE: Large-scale Information Network Embedding. WWW 2015: 1067-1077. WWW’2015 被引最多的论文（截止2024年3月，被引5100多次）
20. Chenguang Wang, Yangqiu Song, Ahmed El-Kishky, Dan Roth, Ming Zhang, Jiawei Han: Incorporating World Knowledge to Document Clustering via Heterogeneous Information Networks. KDD 2015: 1215-1224
21. Ming Zhang, Jile Zhu, Yanzhen Zou, Hongfei Yan, Dan Hao, Chuxiong Liu: Educational Evaluation in the PKU SPOC Course "Data Structures and Algorithms". In Proc. of ACM Conference on Learning at Scale ,L S2015: 237-240
22. Jian Tang, Zhaoshi Meng, XuanLong Nguyen, Qiaozhu Mei, Ming Zhang. Understanding the Limiting Factors of Topic Modeling via Posterior Contraction Analysis. ICML 2014: 190-198. Best Paper最佳论文奖
23. Tao Sun, Ming Zhang, and Qiaozhu Mei. Unexpected Relevance: An Empirical Study of Serendipity in Retweets. In The 7th International AAAI Conference on Weblogs and Social Media, 2013.
24. Xiaolong Wang, Furu Wei, Xiaohua Liu, Ming Zhou and Ming Zhang. Graph-based Sentiment Classification for Hashtags in Twitter. CIKM 2011, Glasgow, UK. PP1031-1040.
25. Haoyuan Li, Yi Wang, Dong Zhang, Ming Zhang and Edward Chang. PFP: Parallel FP-Growth for Query Recommendation. In ACM Recommender Systems 2008. Pages 107-114. PFP has been made part of Apache Mahout (http://mahout.apache.org/users/misc/parallel-frequent-pattern-mining.html).
26. 张铭，银平，邓志鸿，杨冬青，“SVM+BiHMM：基于统计方法的元数据自动抽取混合模型”。《软件学报》.19(2).358-368，2008年2月
27. 邓志鸿，唐世渭，张铭，杨冬青，陈捷。“Ontology研究综述”。《北京大学学报》（自然科学），2002年9月，第38卷5期：730-738
28. Ming Zhang, Virginia Mary Lo: Undergraduate computer science education in China. SIGCSE 2010, pp. 396-400. A referred paper by the course "Images of Computing" delivered by Dr. Carol Frieze,http://www.cs.cmu.edu/~cfrieze/courses/
29. 张铭，耿国华，陈卫卫，胡学刚. 数据结构与算法课程教学实施方案[J]。中国大学教学，2011（3）：PP56-60.
30. 张铭，赵海燕，王腾蛟，宋国杰，《数据结构与算法实验教程》，高等教育出版社，2011年1月。普通高等教育“十一五”国家级规划教材。
31. 张铭、王腾蛟、赵海燕，《数据结构与算法》，高等教育出版社，2008年 6月。普通高等教育“十一五”国家级规划教材
32. 张铭、赵海燕、王腾蛟，《数据结构与算法－－学习指导与习题解析》，高等教育出版社，2005年 10月。普通高等教育“十五”国家级规划教材配套参考书
33. 李晓明、陈平、张铭、朱敏悦。“关于计算机人才需求的调研报告”。《计算机教育》，2004年8月，PP11-18
