2025年数字管理与信息技术国际学术会议(DMIT 2025)

哈默德·塔赫杜斯特教授，加拿大西部大学和GUS研究所 |英国 Global University Systems

Biography： Hamed Taherdoost 教授拥有计算机科学博士学位和信息安全硕士学位。他在工业和学术领域拥有超过 20 年的经验。他曾在塞浦路斯、英国、马耳他、伊朗、马来西亚和加拿大的国际公司工作，并高度参与了石油和天然气、医疗保健、运输和信息技术等不同行业的多个项目的开发，担任过项目经理、研发经理、技术主管和首席技术官等各种职位。在过去的九年里，他一直通过实施新项目和业务线来帮助初创企业发展壮大。

报告题目：区块链与大数据：机遇、挑战与未来展望

摘要： 近年来，由于大数据的出现，各种科学和工程领域都引起了人们的极大兴趣。尽管大数据具有许多应用和优势，但大数据存在许多需要解决的问题，例如大数据安全和隐私、大数据管理和大数据分析，以提高服务质量。由于其安全性和去中心化的性质，区块链有可能极大地改进大数据应用程序和服务。除此之外，区块链的使用对于为大数据分析过程提供额外的数据层似乎至关重要。大数据被视为安全数据，因为它无法使用网络架构进行强化。在本次演讲中，首先，概述了大数据和区块链，以及它们集成的基本原理。接下来，讨论了几种用于大数据的区块链服务，例如用于安全大数据采集、数据保护、数据分析和数据存储的区块链。

Zhang Jianhua 教授，挪威奥斯陆城市大学

个人简介：张建华教授自 2018 年以来一直担任挪威奥斯陆城市大学 （OsloMet） 计算机科学教授。在加入 OsloMet 之前，他曾在一家法国 IT 公司 Vekia（法国里尔）担任科学总监。2007 年至 2017 年，他担任华东理工大学（中国上海）的教授。他在德国波鸿鲁尔大学获得博士学位并从事博士后研究。在英国谢菲尔德大学。他于 2002 年至 2003 年担任德国德累斯顿工业大学的客座科学家，并于 2008 年至 2015 年担任德国柏林工业大学的访问教授。他的研究兴趣包括计算智能、机器学习和模式识别、数据建模和分析、智能系统和控制、复杂系统的建模和控制、生物医学信号处理和数据分析，以及神经计算（特别是神经人体工程学和情感计算）。他连续两届（2017-2023 年）担任 IFAC（国际自动控制联合会）人机系统技术委员会主席、IEEE 挪威分会副主席和 IEEE CIS 挪威分会副主席。他是 4 种国际科学期刊的编委，包括 Frontiers in Neuroscience、Cognitive Neurodynamics 和 Cognition， Technology and Work。他曾担任许多国际科学会议的主席或主旨发言人。

报告题目：通过 Transformer 模型预测股票市场

摘要：本次演讲研究了各种模型在预测股票价格方面的有效性，例如 ARIMA 和线性回归等传统模型，以及长短期记忆 （LSTM） 网络、Prophet 和 Transformers 等高级机器学习 （ML） 模型。还检查了集成学习，它结合了不同模型的预测以减少它们的偏差和方差。此外，优化 ML 模型以进行股票价格预测需要超参数调整，以确保模型在捕获真实金融市场的复杂性和波动性方面有效且高效。为了最大限度地提高准确性，同时最大限度地降低计算成本，研究了不同的超参数（例如学习率、网络中的层数和批量大小）调整策略，包括网格搜索、随机搜索和贝叶斯优化。
广泛的真实库存数据分析实验表明，线性回归堆叠的变压器模型实现了优异的预测性能。我们发现，使模型架构适应特定的股票市场特征很重要，集成学习方法可以提高股票时间序列预测的准确性和可靠性。本研究的结果可能为正确选择股票收盘价动态模型类别以及明智的股票投资决策和投资组合管理提供有用的见解。

Assoc. Prof. Minghan Li， 苏州大学， 中国

Biography： Minghan Li，拥有计算机科学博士学位，目前是中国苏州苏州大学的副教授。他于 2020 年至 2023 年毕业于法国格勒诺布尔阿尔卑斯大学，获得博士学位，此前习安交通大学信息工程学士学位和西安电子科技大学计算机技术硕士学位。作为第一作者，他在所在领域的主要期刊和国际会议上发表了多篇论文，包括 ACM Transactions on Information Systems 和 ACM SIGIR，并拥有两项授权软件版权。李博士获得了法国 IDEX 国际流动奖学金，并在新加坡国立大学进行了访问学者。他曾担任诸如Information Processing & Management，ACM Transactions on Information Systems和Artificial Intelligence等高级期刊的审稿人，并且是ECIR 2024的PC成员。他目前的研究重点是使用大型语言模型、对话系统和问答系统进行信息检索（搜索算法）。此外，他还拥有丰富的企业和多平台编程经验。

讲题：信息检索：从预训练模型发展到大型语言模型

摘要：自从引入 Transformer 架构以来，预训练的语言模型在自然语言处理的各种任务中都表现出显著的有效性。在信息检索 （IR） 领域，特别是关于文本相关性排名，已经提出了许多模型，不断更新日常搜索引擎中使用的算法。本报告将介绍基于预先训练的语言模型的各种算法，包括基于交互、基于表示的方法等。此外，鉴于人工智能领域最近出现了大型语言模型 （LLM），该报告还将涵盖基于 LLM 的 IR 算法，以及 IR 在增强 LLM 的对话和问答能力方面的作用。