简历

李举仁

教育背景

数据挖掘，时间序列分析，机器学习

序列数据的泛化性研究，研究主线: 从领域内泛化到跨域泛化，最终构建垂直领域基础模型，实现序列数据的多对多泛化。

基于同源相似性的染色体结构异常诊断方法 (2021.6-2022.4，杭州德适生物科技有限公司)
- 提出基于同源相似性的自监督预训练框架HomNet，利用正常染色体构造人工异常样本，通过对比学习捕捉染色体结构异常的共性特征；
- 在4家医院的真实临床数据集上微调模型，实现跨机构泛；算法通过三期临床试验验证
时间序列分类中的域与通用表示解耦方法
- 提出解耦域相关与域无关表示的CADT框架，结合类级超球体损失提升分类器判别能力，显著增强跨域分类任务的泛化性。
标签偏移下的时间序列域自适应 (2022.4-2023.12，华为)
- 针对时序域自适应的标签偏移问题，提出可学习二次赋权方法，结合时域与频域对齐策略，显著提升模型鲁棒性。
- 在工业场景中，显著提升异常检测(误报率降低10倍）与安全预警（精确度提升7%)任务性能
锂离子电池基础模型研究 (2024.1-2025.2，华为)
- 提出首个面向锂离子电池的物理规律驱动基础模型LiPM，设计混合尺度时间编码器处理不规则采样序列，实现跨电池类型、跨采样协议的泛化性。
结合历史信息的锂电池建模 (2025.3-至今)
- 融合物理原理构建锂离子电池通用建模框架，结合历史信息提取锂离子电池衰老特征，从而帮助下游任务获得更好性能。

李举仁, 杨洋, 陈友民, 张建锋, 赖泽宇, 潘璐佳. DWLR: 面向可穿戴设备的标签偏移域适应方法. 第33届国际人工智能联合会议 (IJCAI’24), 2024, CCF-A.
李举仁, 傅凡哲, 韦然, 孙逸飞, 赖泽宇, 宋宁, 陈信, 杨洋. 基于同源相似性的染色体结构异常诊断方法. 第30届ACM SIGKDD知识发现与数据挖掘会议 (KDD’24), 2024, CCF-A.
陈友民, 严欣宇, 杨洋, 张建锋, 张静, 潘璐佳, 李举仁. 时间序列分类中的域与通用表示解耦方法. 第33届国际人工智能联合会议 (IJCAI’24), 2024, CCF-A.
黄铉纹, 杨洋, 程自强, 范申, 王中尧, 李举仁, 张军, 陈静敏. 兴趣扩散在购买预测中的有效性研究: 以Taocode为例. 第44届国际信息检索研究与发展会议 (SIGIR’21), 2021, CCF-A.

科研小组组长, Noah 小组 (隶属于AINet), 2021–至今
- 领导7人研究小组与华为合作。
审稿人
- 国际知识发现和数据挖掘会议(KDD): 2022, 2025。
- IEEE Transactions on Big Data (TBD): 2022, 2023。
系统管理员, 2021–至今
- 负责服务器安全与资源分配。
志愿者, SMP 2020, 2020年9月
- 协助会议组织与参会者协调。