硕士生导师
姓名：纪淑娟 性别：女 学历：工学贝博app体育登录入口
职称：教授 办公室： J13-308 隶属部门：人工智能系
联系方式：Email: jsjsuzie@sina.com、QQ：2886388
个人简介：
纪淑娟，贝博app体育登录入口，计算机科学与工程中央电视台cctv5，教授，贝博app体育登录入口生导师。中国人工智能学会高级会员、知识工程与分布式智能专委会委员，计算机学会高级会员，山东省人工智能学会理事、山东省计算机学会网络空间安全专委会常委、青岛Yocsef副主席（2020-2021）。主要研究领域为分布式智能、智能信息处理与决策、Petri网。 科研方面，近年来主持纵向项目8项（其中国家自然科学基金项目2项、山东省自然科学基金项目1项、青岛科技计划项目1项，国家、山东省、青岛市贝博app体育登录入口后项目各1），主持事业单位委托横向项目1项；作为骨干参与10项国家及和省级项目；泰山学者攀登计划专家团队成员、贝博app体育登录入口领军人才团队成员、贝博app体育登录入口智能信息处理科研创新团队成员，计算机科学与工程中央电视台cctv5杰出青年，计算机科学与工程中央电视台cctv5智能感知计算科研创新团队负责人，发表学术论文50余篇，其中SCI源刊11篇、EI收录30余篇，获省级奖励4项、所属区级奖励1项，授权发明专利3项。2016、2017连续2年被评为计算机科学与工程中央电视台cctv5科研先进个人。 教学方面，主持山东省研究生教改项目2项，数据结构国家级一流课程团队骨干。指导的本科毕业论文2次被评为山东省优秀学士学位论文，指导的硕士研究生1人次山东省优秀硕士学位论文，3人获得山东省研究生优秀成果奖。2人次获得贝博app体育登录入口优秀硕士学位论文，2人获贝博app体育登录入口研究生创新成果奖，2人次获得国家奖学金，2人次获得山东省优秀毕业生，1人次获贝博app体育登录入口学生科技创新拔尖人才，多人次获得校优秀研究生毕业生和研究生奖学金。多次指导学生科技创新大赛并获得国家、省级等各项奖励，多次被评为贝博app体育登录入口大学生科技创新优秀指导教师。2017年被毕业生评为“我最难忘的恩师”，2017年被评为“优秀班主任”。 2023年被评为山东省优秀研究生导师。 欢迎有学习热情、勤奋的学生报考我的硕士和贝博app体育登录入口。 有良好聚类算法、分类算法基础的优先录取。有ACM训练经历、各种编程大赛获奖者及英语、数学良好者优先录取。 贝博app体育登录入口申请有四个通道：本硕博连读、硕博连读、审核制、考试。具体条件请邮件联系咨询！
详细信息:
1. 主持项目：
[1] 2026.1-2029.12． 网络环境中有组织欺诈群体甄别方法研究——以电子商务交易网络为例. 国家自然科学基金项目(72572095)，42万，主持，在研。
[2] 2024.12-2026.12. 基于内容特征与传播结构特征双视角的谣言检测方法及其在煤炭相关自媒体新闻检测中的应用研究. 安徽省煤矿安全大数据分析与预警技术工程实验室开放基金课题（CSBD2024-ZD01），5万，主持，在研。
[3] 2024.01.01-2026.12.31 大数据流背景下基于多模态信息的虚假评价者检测方法研究. ZR2023MF070. 山东省自然科学基金项目, 10万 (在研)
[4] 2018.1-2021.12 面向大数据流的信用攻击群体及关键人物发现方法研究. 71772107, 国家自然科学基金项目，负责人，51万(已结题)
[5] 2016.10-2018.10. 基于进化博弈的抗攻击信誉评价策略研究. 山东计算机学会省重点实验室联合开放基金——山东省分布式计算机软件新技术重点实验室（山东师范大学）项目，负责人 2万(已结题)
[6] 2015.1-2017.12. 网络交易中的虚假反馈信息甄别与信用管理研究(No. 71403151). 国家自然科学基金项目. 负责人 23万. (已结题，绩效评估优)
[7] 2013.10-2016.10. 基于用户反馈分析的抗攻击C2C电子商务信用评价研究(No.ZR1013FM023). 山东省自然科学基金项目(面上). 负责人 8万(已结题).
[8] 2014.9-2016.11. 基于MF+SVM的虚假信用信息过滤算法研究. 中国贝博app体育登录入口后科学基金(No. 2014M561948). 负责人 (5万). (已结题).
[9] 2014.12-2016.12. 面向C2C 电子商务平台的卖方信誉评价算法研究.山东省贝博app体育登录入口后创新项目专项资金(No. 201403007，计算机科学与技术专业唯一一个). 负责人 (5万). (已结题)
[10] 2009.6-2011.9. 基于多主体的城市应急联动模拟训练系统中关键技术研究(No. 09-1-3-50-jch).青岛市科技计划项目(基础研究). 负责人 3万(已结题).
[11] 2017.1-2018.12 《人工智能原理》教学案例库. 山东省研究生教育质量提升计划建设项目——山东省专业学位研究生教学案例库建设项目. 负责人 （7万）.
[12] 2021.10-2024.10 《人工智能原理》. 山东省研究生教育质量提升计划建设项目——优质研究生课程. 负责人 .
2. 代表性成果
[1] Jiandong Lv, Pengyao Xu, Shujuan Ji*, Chong Di, Zhirun Liu, Haojie Li. Does multi-modal fusion always work — a multi-modal decoupled learning neural network (MDLNN) for the detection of fake news. IEEE Transactions on Multimedia. Accepted, 2026.1.20. 一区顶刊，CCF A类期刊。
[2] Jia Sun, Shujuan Ji*, Ning Li, Xianwen Fang. OGAS-DDS: an organized group attack strategy driven by human intelligence in dynamic data streams. Knowledge and Information Systems, 2025, 12 accepted doi: 10.1007/s10115-025-02626-9
[3] Cao, N., Ji, S.*, Zhuang, F. et al. An unsupervised domain adaptation method for cross-domain deceptive reviews detection. Applied Intelligence, vol. 55, 956 (2025). https://doi.org/10.1007/s10489-025-06825-3
[4] Ning Li, Wenqi Fan, Shujuan Ji*, Chaoqun Wang, Shengda Zhuo, Yuewei Zhou, Yongquan Liang. Temporal Knowledge Consistency for Spammer Groups Detection via Contrastive Learning, IEEE Transactions on Computational Social Systems, 2025, 8, DOI:10.1109/TCSS.2025.3592663
[5] Ning Li, Shujuan Ji*, Yingtong Dou, Dickson K.W. Chiu, Qi Zhang, Yongquan Liang, Yongshan Wei. Temporal Neighbor Sequence-based Interpretable Spammer Groups Detection on E-commerce platform, Information Processing & Management, 2025-11 DOI: 10.1016/j.ipm.2025.104177
[6] Yun Liu, Qiang Fu, Shujuan Ji*, Xianwen Fang. Supervised online multi-modal discrete hashing, Signal Processing, 2025-06, DOI: 10.1016/j.sigpro.2024.109872
[7] Chaoqun Wang, Ning Li, Shuang Chen, Xiaoqing Bu, Shujuan Ji. Key node propagation-based overlapping spammer group detection algorithm on e-commerce platforms, Engineering Applications of Artificial Intelligence, Volume 159, Part C, 2025, 111750, DOI: 10.1016/j.engappai.2025.111750.
[8] Yajie Guo, Shujuan Ji*, Ning Cao, Dickson Chiu, Na Su, Chunrong Zhang (2023). MDG: fusion learning of the maximal diffusion, deep propagation and global structure features of fake news, Expert Systems with Applications, 213, Part C, 119291 DOI: 10.1016/j.eswa.2022.119291
[9]
