Research Issues
                       
         


My Research Interests
My major research topics are on data mining. Among these, mining general association rules, sequential clustering, web mining, incremental mining, mining data stream, time series issues, and sequential pattern mining are my special interests. In addition, I am also interested in multimedia analysis, information management, data broadcast scheduling and bioinformatics.


社群網路分析(Social Network Analysis):
  近年來社群網路有著蓬勃的發展,社群網路的分析也隨之變成熱門的主題,社群網路中的成員,通常藉由由一個或多個特定類型的相互依存關係而連結在一起,如價值觀、理想、觀念、友誼、血緣、合作等等關係。   了解資訊如何在社群網路的成員間傳遞,並預測有多少網路上的成員會被影響,是社群網路分析中重要的問題之一,過去的研究大多僅考慮正向的影響力,而且一旦被影響過後便無法改變自己的狀態,我們提出了一個嶄新的影響力傳遞模型,不僅有正反兩向的影響力,且使用者可隨時受到周圍訊息的影響改變自己的狀態。其成果發表於The IEEE/ACM Advances in Social Networks Analysis and Mining中。
  • Y.-C. Chen, H.-S. Ma and J.-W. Huang, "Multi-state Open Opinion Model based on Positive and Negative Social Influences," The 2015 IEEE/ACM Advances in Social Networks Analysis and Mining (ASONAM 2015), pp., Aug. 25-28, 2015. (Acceptance rate:18.0%)
      在社群網路上有一種獨特的特性,我們稱之為社群結構,在同一個社群裡的成員彼此之間會有更多的共同關係和互動,而了解社群結構可以發掘更多有用的資訊。在過去已有許多研究可以在靜態的網路中檢測社群結構,然而社群網路上的使用者以及使用者之間的關係會隨著時間而變動,我們提出有效率的追溯與動態更新社群結構的方法,導入核心社群結構的概念,在不同時間點上追溯核心社群結構的變化,發掘動態的社群結構上,其成果發表於ACM SIGKDD Conference的SNAKDD workshop中。
  • H.-S. Ma, J.-W. Huang, "CUT: Community Update and Tracking in Dynamic Social Networks," The 7th Workshop on Social Network Mining and Analysis (SNA-KDD'13) joint with the 19th ACM SIGKDD Conference on Knowledge Discovery and Data Mining (KDD'13), pp. 6:1--6:8 , Aug. 11-14, 2013.
      隨著網際網路的發達以及社群網站的出現,越來越多的使用者會在網路上發表資訊或舉行活動,但如何有效率地在如此眾多的資訊中找尋自己最感興趣的活動或值得關心的事件,一直是大家想要解決的問題。我們提出一套模擬社群事件的機制,藉由四種混雜的圖形結構可以成功地將社群事件中的重要成份表示出來,且設計了三個不同的演算法綜合推薦出使用者較容易感興趣的事件。其成果發表於ACM Pacific-Asia Conference on Knowledge Discovery and Data Mining國際會議中的Behavior Informatics Workshop及由Springer出版社出版的Behavior Computing: Modeling, Analysis, Mining and Decision一書中。
  • Y.-H. Hong, J.-W. Huang, and M.-S. Chen, "GroupBuyer: A Personalized Group Buying Event Recommender System Using Social Information Filtering," 2011 International Workshop on Behavior Informatics (BI 2011) joint with the 15th Pacific-Asia Conference on Knowledge Discovery and Data Mining (PAKDD'11), May 24, 2011
  • Y.-H. Hong, J.-W. Huang, and M.-S. Chen, "P-SERS: Personalized Social Event Recommender System," Behavior Computing: Modeling, Analysis, Mining and Decision, 2011.
      在社群網路中傳統的推薦系統,大都著重在熱門項目的推薦,但是大部分的熱門項目,使用者其實很容易藉由各種管道而自己得知,因而造成推薦的效果不彰,我們藉由分析使用者的喜好,社群網路的結構以及與朋友之間的互動程度,提出一套新的推薦系統,擷取使用者未知但是可能令使用者感興趣的項目來推薦給使用者參考。其成果發表於ACM Pacific-Asia Conference on Knowledge Discovery and Data Mining國際會議。
  • J.-L. Duan, Shashi Prasad, J.-W. Huang, "Discovering Unknown But Interesting Items on Personal Social Network," Proc. of the 16th Pacific-Asia Conference on Knowledge Discovery and Data Mining (PAKDD'12), pp. 145-156, May 29-Jun. 1, 2012.

  • 漸進式圖片搜尋推薦系統(PISAR: Progressive Image Search And Recommendation system):
      傳統的圖片搜尋系統不論是採用低階的圖形識別方式,或是採用高階的文字分析,都會存在著語意隔閡的問題(semantic gap),我們結合漸進式圖片搜尋推薦與視覺物件辨識的技術,並藉由與使用者互動記錄過濾標籤與視覺字元資料的探勘技術,抽取圖片中隱藏之語意資訊,達成可自我學習的漸進式圖片搜尋與推薦系統。並利用系統學習之知識,達成物件化自動標籤功能。目前已完成初步的系統,網址為:http://pisar.cse.yzu.edu.tw,其成果發表於IEEE International Conference on Systems, Man, and Cybernetics國際會議。
  • J.-W. Huang, C.-Y. Tseng, M.-C. Chen, and M.-S. Chen, "PISAR: Progressive Image Search and Recommendation System by Auto-interpretation and User Behavior," Proc. of IEEE International Conference on Systems, Man, and Cybernetics (SMC'11), pp. 1442-1447, Oct. 9-12, 2011.
      社會性標籤(Social Tagging)是由使用者產生用來描述多媒體物件的關鍵字,是人類語意知識的一個重要來源,這些標籤所包含的訊息讓搜尋及推薦系統可以更方便的分類多媒體物件。但不幸的是,社會性標籤中常出現許多不相關的訊息和雜訊,這會讓搜尋及推薦系統因此發生錯誤。我們提出Waking And Sleeping(WAS)演算法來減低品質不好的社會標籤所造成的影響。其成果發表於IEEE International Conference on Systems, Man, and Cybernetics國際會議。
  • W.-H. Du, J.-W. Rau, J.-W. Huang, Y.-S. Chen, "Improving the Quality of Tags Using State Transition on Progressive Image Search and Recommendation System," Proc. of IEEE International Conference on Systems, Man, and Cybernetics (SMC'12), Oct. 14-17, 2012.
      在呈現系統中標籤之間的關連性時,傳統的標籤雲(Tag Cloud)僅能表現出標籤和標籤群之間存在相關性,但卻無法顯示關係的強弱,我們提出了新的多層次互動式標籤雲,可藉由標籤在空間中的距離遠近表示標籤之間關係的強弱,並且提供使用者互動的操作介面,更能增進使用者對標籤雲的了解。其成果發表於Conference on Technologies and Applications of Artificial Intelligence國際會議與Journal of Information Science and Engineering期刊。
  • K.-N. Yang, W.-J. Hunag, J.-W. Huang, I.-S. Hwang, "Multi-level Interactive Tag Cloud Using Clustering Scheme," Proc. of Conference on Technologies and Applications of Artificial Intelligence (TAAI 2012), pp. 232-237, Nov. 16-18, 2012.
  • J.-W. Huang, K.-Y. Chen, Y.-C. Chen, K.-N. Yang, I.-S. Hwang, and W.-C. Huang, "A Novel Spatial Tag Cloud Using Multi-Level Clustering," Journal of Information Science and Engineering, Vol. , No. , pp. , 2013.

  • 漸進式循序性樣式探勘(Progressive Sequential Pattern Mining):
      循序性樣式探勘在資料探勘領域中已發展多年,然而過去的研究多著重在靜態資料庫的循序樣式探勘,亦有部分學者討論增加新資料到資料庫中,隨著時間的推移,循序性的資料不斷地累積,久遠以前的資料仍然存留在資料庫中,這些保存在資料庫中過時的資料,卻會影響到即時的循序樣式的產生,過去已有多項研究針對靜態資料庫與不斷增加的資料庫找尋循序性樣式,但在刪除舊資料和過時的循序樣式上尚無有效率的方法。我們提出一個普遍性的循序性樣式架構,稱為漸進式資料庫,並研發相關演算法,此漸進式資料庫的演算法不但能找出靜態的循序樣式,也能有效率地增加新的資料或是刪除過時的資料,以找尋最即時的循序性樣式,並且此普遍性演算法也可適用於傳統的靜態式資料庫或是不斷增加的資料庫上。其成果發表於ACM International Conference on Information and Knowledge Management國際會議及SCI Computer Science領域之IEEE Transactions on Knowledge and Data Engineering期刊。
  • J.-W. Huang, C.-Y. Tseng, J.-C. Ou, and M.-S. Chen, "On Progressive Sequential Pattern Mining," Proc. of the ACM 15th International Conference on Information and Knowledge Management (CIKM'06), pp. 804-805, November 6-11, 2006
  • J.-W. Huang, C.-Y. Tseng, J.-C. Ou, and M.-S. Chen, "A General Model for Sequential Pattern Mining with a Progressive Database," IEEE Trans. on Knowledge and Data Engineering, Vol. 20, No. 9, pp. 1153-1167, 2008(September).
      結合雲端運算技術,可將大量的資料做分散式的處理,能同時提高計算的效率與實用性。我們探討在漸進式資料庫上如何研發有效率的分散式循序樣式探勘系統,成功地運用雲端技術將問題分散處理,設計出分散式的循序樣式分析演算法。其成果發表於ACM Pacific-Asia Conference on Knowledge Discovery and Data Mining國際會議。
  • J.-W. Huang, S.-C. Lin and M.-S. Chen, "DPSP: Distributed Progressive Sequential Pattern Mining on the Cloud," Proc. of the 14th Pacific-Asia Conference on Knowledge Discovery and Data Mining (PAKDD'10), June 21-24, 2010.

  • 手持裝置之建築辨識系統(Progressive Sequential Pattern Mining):
      在世界各地旅行的途中,若是遇到有名的建築或地標卻不知道它的資訊,可用手持裝置照張相,經過資料分析比對後回傳該建築的資訊給使用者,此建築辨識系統結合了GPS及方向資訊來減小建築比對的搜尋範圍,並透過flood fill的概念將照片中的背景去除,再透過特徵比對演算法來做建築辨識。其成果發表於IEEE International conference on Mulitmedia & Expo 的 International Workshop on Mobile Multimedia Computing上。
  • K.-H. Chen, C.-R. Wu, Y.-L. Yang, J.-W. Huang, T.-Y. Ho, "Efficient Building Identification Using Structural and Spatial Information on Mobile Devices," The 1st International Workshop on Mobile Multimedia Computing (MMC'14), joint with IEEE International Conference on Multimedia & Expo., July 14-18, 2014.

  • 隱私保護資料探勘(Privacy Preserving Data Mining):
      當資料的擁有人本身無法進行資料分析的工作時,必須將其擁有的資料傳送給第三方的資料分析單位進行資料探勘,然而其中若包含有擁有人不想公開的隱密資料時,就必須對原始資料做一定程度的轉換,使得轉換過的資料不會被其他人了解,但是仍然可以得到相同的分析結果。我們提出一個距離與相關係數保護的機制,轉換過後的資料不僅保護了擁有人的隱私,並可以適用於所有以距離和相關係數為基礎的資料探勘演算法。其成果發表於TAAI Technologies and Applications of Artificial Intelligence國際會議,獲得該會之最佳論文獎。
  • J.-W. Huang, J.-W. Su and M.-S. Chen, "FISIP: A Distance and Correlation Preserving Transformation for Privacy Preserving Data Mining," Proc. of Conference on Technologies and Applications of Artificial Intelligence (TAAI 2011), pp. 101-106, Nov. 11-13, 2011. (Best Paper Award)
      在雲端運算的環境下,假使資料被惡意截取,使用者的資料便會全部曝露在攻擊者的面前。我們進一步探討於多雲環境下資料傳輸保護與隱私保護之資料探勘技術,主要著重在將使用者端的隱密資料透過切割方式,分送到多個不同的雲端環境做資料探勘,使得切割後的每一份資料都是不完整的,即使攻擊者掌握到其中一個部份的資料,也無法反算出整體的資料。
  • C.-H. Tai, J.-W. Huang, M.-H. Chung, "Privacy Preserving Frequent Pattern Mining on Multi-Cloud Environment," Proc. of International Symposium on Biometrics and Security Technologies (ISBAST'13), pp. , Jul. 2-5, 2013.

  • 關聯法則探勘 (Association Rule Mining):
      關聯法則探勘為資料探勘領域中非常重要的研究方向,過去傳統的關聯法則探勘演算法無法有效處理各個物件具有不同存在時間的問題,以致於無法尋找出最有時間效益與最有重要性的頻繁樣式出來,我們提出一個漸進式的頻繁樣式分析演算法,無論各個物件開始或結束的時間為何,都能自由地尋找出最有意義的頻繁樣式,並能計算出該頻繁樣式最準確頻繁出現的時間區間。其成果發表於ACM Transactions on Knowledge Discovery from Data期刊。
  • J.-W. Huang, B.-R. Dai, and M.-S. Chen, "Twain: Two-End Association Miner with Precise Frequent Exhibition Periods," ACM Trans. on Knowledge Discovery from Data, Vol. 1, No. 2, pp. Article 8/1-33, 2007(August).
      當資料的數量增加,累積的速度增快的情況下,傳統軟體的關聯法則探勘演算法可能會面臨來不及處理資料的情況,有鑑於此,我們在FPGA上設計利用硬體加速的關聯法則探勘演算法,其速率較軟體演算法快10至100倍。其成果發表於SCI Computer Science領域之IEEE Transactions on Knowledge and Data Engineering期刊。
  • Y.-H. Wen, J.-W. Huang, and M.-S. Chen, "Hardware-Enhanced Association Rule Mining with Hashing and Pipeling," IEEE Trans. on Knowledge and Data Engineering, Vol. 20, No. 6, pp. 784-795, 2008(June).

  • 次維度空間中的資料叢集(Subspace Clustering):
      在高維度空間中點與點的距離時常會失去顯著性,此現象稱為維度的詛咒(Curse of Dimensionality),為了尋找出在高維度空間中資料叢集的現象,我們設計出在高維度空間中的次維度資料叢集演算法,可更準確的找出在高維度空間中次維度內資料叢集的特性。其成果發表於ACM International Conference on Information and Knowledge Management國際會議,以及SCI Computer Science領域之IEEE Transactions on Knowledge and Data Engineering期刊。
  • Y.-H. Chu, J.-W. Huang, K.-T. Chuang, and M.-S. Chen, "On Subspace Clustering with Density Consciousness," Proc. of the ACM 15th International Conference on Information and Knowledge Management (CIKM'06), pp. 804-805, November 6-11, 2006
  • Y.-H. Chu, J.-W. Huang, K.-T. Chuang, D.-N. Yang, and M.-S. Chen, "Density Conscious Subspace Clustering for High-Dimensional Data," IEEE Trans. on Knowledge and Data Engineering, Vol. 22, No. 1, pp. 16-30, January, 2010

  • 餘震預測系統(Prediction of Dependant Earthquakes):
      傳統的地震預測的方式主要是藉由持續監測環境的變化(例如:地表電磁波)來預估地震所發生的時間與地點,但此方法不僅耗時且其準確度也會受到觀測站的多寡所影響。我們提出一個結合資料探勘的演算法,試著找出地震之間時間與空間的關連性,計算出頻繁發生的關連性地震之間的關係,用於預測當新地震發生時,下一個地震可能發生的時間、地點與震度資訊。此外,我們輔以分群技術來增進預測的準確度。其成果發表於International Conference on Engineering and Applied Science國際會議。
  • W.-Y. Tseng, K.-H. Chen, D. Gankhuu, J.-W. Huang, “On Predicting Dependent Earthquakes Using Spatial and Temporal Relations,” Proc. of the 4th International Conference on Engineering and Applied Science (ICEAS'14), July 22-24, 2014

  • 垃圾郵件的篩選與分析(Spam Mail Detection):
      大量的垃圾郵件常常是造成現代人使用電子郵件服務時遇到的最大問題,如何有效率並且準確地篩選出垃圾郵件,是資訊人十分注重的問題,我們設計一個利用分析人與人間社群網路的活動來偵測垃圾郵件的機制,並且具有自動更新篩選條件的能力,使得垃圾郵件造成的困擾大幅度的減輕。其成果發表於ACM Pacific-Asia Conference on Knowledge Discovery and Data Mining國際會議。
  • C.-Y. Tseng, J.-W. Huang, and M.-S. Chen, "ProMail: Using Progressive Email Social Network for Spam Detection," Proc. of the 11th Pacific-Asia Conference on Knowledge Discovery and Data Mining (PAKDD'07), pp. 833-840, May 22-25, 2007

  • 資料串流環境下的資料叢集(Clustering on Streaming Data):
      在資料串流環境下的資料有著資料累積迅速、必須及時處理與儲存的空間有限等限制,傳統的資料探勘演算法不再能適用於此限制下的環境,我們研發一個全新的資料收集架構,能有效率地收集串流資料的摘要,並且利用蒐集到的資料做任意時間區間的資料叢集分析。其成果發表於IEEE International Conference on Data Mining國際會議,以及SCI Computer Science領域之IEEE Transactions on Knowledge and Data Engineering期刊。
  • B.-R. Dai, J.-W. Huang, M.-Y. Yeh, and M.-S. Chen, "Clustering on Demand for Multiple Data Streams," Proc. of the Fourth IEEE International Conference on Data Mining (ICDM'04), pp. 367-370, Brighton, UK, November 01 - 04, 2004
  • B.-R. Dai, J.-W. Huang, M.-Y. Yeh, and M.-S. Chen, "Adaptive Clustering for Multiple Evolving Streams," IEEE Trans. on Knowledge and Data Engineering, Vol. 18, No. 9, pp. 1166-1180, 2006(September).

  • 資訊整合(Information Integration):
      當不同結構的資訊需要被整合時,時常會需要做不同結構的整合,而當描述資料的結構非常龐大時,手動的結構整合將會變得十分困難,於是IBM Almaden Research Center研發出一套名為Clio的結構整合軟體,以圖形化的介面協助使用者做欄位的對應,我們研發一個物件導向的欄位對應系統,以大幅度簡化大型結構之間的結構整合動作。其成果發表於International Conference on Very Large Data Base國際會議的International Workshop on Business Intelligence for the Real Time Enterprise。
  • B. Alexe, M. Gubanov, M. A. Hernandez, H. Ho, J.-W. Huang, Y. Katsis, L. Popa, B. Saha, and I. Stanoi, "Simplifying Information Integration: Object-Based Flow-of-Mappings Framework for Integration," Proc. of the 2nd International Workshop on Business Intelligence for the Real Time Enterprise (BIRTE 2008) in conjunction with the VLDB 2008 , August 24, 2008

  • 雲端運算(Cloud Computing):
      在處理大量資料時,需要龐大計算資源來支撐系統的運作。雲端計算的架構是一種基於網際網路的分散式運算技術,於IBM訪問研究期間,協助該研究團隊開發IBM內部之地點分類系統(Location Classification System),研發出可在雲端環境上執行之關聯性法則探勘演算法與以此法則為基礎之分類系統(Rule-based Classification System),其成果目前已應用於IBM內部之Avatar搜尋系統中。


    Projects

    • 科技部(國科會)
      • 107學年度 專題研究計畫 - 基於社群推薦應用之通用異質網路節點表示式嵌入學習方法 (主持人)
        - 107/08/01 ~ 109/07/31 - MOST 107-2221-E-006-205-MY2
      • 數位經濟計畫 - 智慧機器人與人類共同合作學習於教育學習應用-智慧IRT機器人與人類共同學習於教育學習應用 (共同主持人)
        - 106/06/01 ~ 107/05/31 - MOST 106-3114-E-024-001
      • 專題研究計畫(一般型研究計畫) - 建立於Spark平台上之異質串流資料分析及視覺化環境 (共同主持人)
        - 105/07/01 ~ 106/06/30 - MOST 105-2634-E-006 -001 -
      • 105學年度 科技部/環保署空汙防制科技 - 空氣品質時空數據探勘雲端平台建置 (共同主持人)
        - 105/08/08 ~ 106/08/07 - MOST 105-EPA-F-007-004
      • 105學年度 專題研究計畫 - 漸進式巨量嬰兒哭聲分析系統-於嬰兒生理、心理、病理狀況判讀 (主持人)
        - 105/08/01 ~ 107/10/31 - MOST 105-2221-E-006-212-MY2
      • 104學年度 專題研究計畫 - 雲端平行化之有效區域社群檢測演算法之研發 (主持人)
        - 104/08/01 ~ 105/10/31 - MOST 104-2221-E-006-203
      • 104學年度 大專生參與專題研究計畫 - 分散式物件導向自動標籤之漸近式圖片搜尋及推薦系統的研發 (指導教授)
        - 104/07/01 ~ 105/02/28 - MOST 104-2815-C-006-062-E
      • 103學年度 專題研究計畫 - 於具有負面影響力之通用社群影響模型上影響最大化與替代點之研究 (主持人)
        - 103/08/01 ~ 104/07/31 - MOST 103-2221-E-006-202-
      • 102學年度 專題研究計畫 - 於動態社群網路中追溯並更新社群結構的社群探勘方法之研究 (主持人)
        - 102/08/01 ~ 103/07/31 - NSC 102-2221-E-006-247-
      • 101學年度 專題研究計畫 - 雲端漸進式圖片搜尋推薦系統上關聯法則標籤優化與階層式空間視覺模組演算法之研發 (主持人)
        - 101/08/01 ~ 102/07/31 - NSC 101-2221-E-006-279
      • 100學年度 專題研究計畫(提升私校研發能量專案計畫) - 基於人工智慧之合作學習輔助系統 (子計畫4) (共同主持人)
        - 100/08/01 ~ 101/07/31 - NSC 100-2632-S-155-001
      • 100學年度 專題研究計畫 - 於多雲環境下資料傳輸保護與隱私保護之資料探勘技術 (主持人)
        - 100/08/01 ~ 101/07/31 - NSC 100-2221-E-155-088
      • 99學年度 專題研究計畫 - 雲端環境中漸進式圖片搜尋推薦暨物件化自動標籤系統 (主持人)
        - 99/08/01 ~ 100/10/31 - NSC 99-2221-E-155-074
      • 99學年度 大專生參與專題研究計畫 - 於極端環境下之遠端景物辨識系統 (指導教授)
        - 99/07/01 ~ 100/02/28 - NSC 99-2815-C-155-014-E
      • 98學年度 專題研究計畫 - 漸進式資料庫與漸進式循序樣式探勘演算法之研發 (主持人)
        - 98/11/01 ~ 99/10/31 - NSC 98-2218-E-155-012
    • 教育部
      • 108-109年度 教育部人工智慧中小學推廣教育之示範例發展計畫 - 子計畫(三)人工智慧教育議題配合高中領域教學實施示例計畫 (主持人)
        - 108/09/01 ~ 109/08/31
      • 107-109年度 教育部人工智慧技術及應用人才培育計畫 (協同主持人)
        - 108/04/01 ~ 110/04/30
      • 107-108年度 教育部人工智慧中小學推廣教育之示範例發展計畫 - 子計畫(三)人工智慧教育議題配合高中領域教學實施示例計畫 (主持人)
        - 107/06/01 ~ 108/06/30
      • 106-110年度 教育部智慧聯網技術與應用人才培育計畫—智慧空間電子應用聯盟-課程(模組)發展計畫(主持人)
        - 106/11/06 ~ 110/03/31
      • 106-110年度 教育部智慧聯網技術與應用人才培育計畫—智慧製造電子應用聯盟-課程(模組)發展計畫(共同主持人)
        - 106/11/06 ~ 110/03/31
      • 101-102年度 網路通訊人才培育先導型計畫 - 網通前瞻技術教學推動聯盟中心之 教材發展「雲端資料探勘」
        - 101/04/01 ~ 102/03/31
      • 100年度 教學卓越計畫 - 風之塔的雲端冒險
        - 100/01/01 ~ 100/12/31
      • 99-101年度 大專校院資訊軟體人才培育推廣計畫 - 創新軟體人才培育模式推動(A類)之 雲端計算與服務 計畫
        - 99/10/01 ~ 101/01/31
    • 產學合作
      • 微風數位時代股份有限公司 - 百貨數據AI推薦分析(主持人)
        - 108/01/01 ~ 108/12/31
      • Oath(Yahoo) - 以圖論及社群網路分析之方法建構之推薦系統(主持人)
        - 107/10/16 ~ 合作備忘錄
      • 天氣風險公司 - 結合大氣與資料模型之 PM 2.5 預測(主持人)
        - 107/09/01 ~ 合作備忘錄
      • 網訊電通股份有限公司 - AI客服對話技術研發(主持人)
        - 107/12/01 ~ 108/05/31
      • 永豐金控/Atelier Future - 應用自然語意發展個人理財績效及投顧報告(主持人)
        - 107/07/01 ~ 108/06/30
      • 大綜電腦系統股份有限公司(台灣積體電路製造股份有限公司) - Advanced Machine Learning Approaches for Control Chart Pattern Recognition (主持人)
        - 106/10/01 ~ 107/09/30
      • 永豐金控/Atelier Future - AI自然語言處理中文徵信報告自動化及摘要系統(主持人)
        - 106/07/01 ~ 107/12/31
      • 日月光 - File 資安等級探勘分析與預測系統開發計畫 (主持人)
        - 106/09/01 ~ 107/08/31
      • 日月光 - Email 資安等級探勘分析與預測系統開發計畫 (主持人)
        - 105/08/01 ~ 106/07/31
      • 資策會 103年度科技專案 - 新形態威脅分析與聯防服務平台開發計畫 - 資安網際情資探勘技術 (主持人)
        - 103/05/01 ~ 104/04/15
    • Others
      • 行政院科技會報委託國立成功大學與中山大學 - 健康資料加值與應用模式開發先導計畫 - 整合式健康資料管理與分析服務平臺 (共同主持人)
        - 101/11/01 ~ 102/08/31
      • 元智大學 98學年度 新進教師研究啟動計畫 - 在雲端運算環境下之漸進式循序樣式探勘演算法 (主持人)
        - 98/08/01 ~ 99/07/31



    Copyright 2003~. Jen-Wei Huang. All rights reserved. Since 2003/01/01. Second version 2004/11/19