一、个人基本信息
唐焕玲，女，1970年2月出生，博士，教授，硕士生导师，中国计算机学会高级会员，中国人工智能学会机器学习专业委员会委员，中国人工智能学会粒计算与知识发现专业委员会委员，中国计算机学会高级会员。长期从事机器学习与数据挖掘的研究，主要方向是半监督学习（semi-supervisedlearning）、集成学习(ensemblelearning)、迁移学习（Transfer learning）、深度学习（deeplearning）、主题模型（TopicModel）等理论和方法研究，应用于文本分类、网页分类、图像分类、图像检索、金融大数据分析等领域。近年来在国际、国内学术期刊和学术会议上发表学术论文30余篇，其主持在研国家自然科学基金面上项目“面向交叉领域文本挖掘的主题模型研究”（No.61976124），主持完成国家自然科学基金面上项目“面向文本分类的迁移学习和半监督学习方法研究”（No.61175053），出版专著1部，获得2009年度山东高等学校优秀科研成果（自然科学类）叁等奖（位次1/2），获批国家专利4项（位次均为1/3）。中SCI检索1篇，EI检索10余篇，一级学报4篇。
二、科研项目
[1]国家自然科学基金面上项目“面向交叉领域文本挖掘的主题模型研究”（编号：61976124），唐焕玲博士，项目负责人，主要负责项目管理，面向交叉领域文本挖掘，融合有监督、半监督、迁移学习，以及知识图谱等方法，进行主题模型的研究。2020.1-2023.12。
[2]国家自然科学基金面上项目“面向文本分类的迁移学习和半监督学习方法研究”（编号：61175053），唐焕玲博士，项目负责人，主持项目完成，负责面向文本分类的迁移学习和半监督学习算法研究。2012.1-2015.12
[3]国家自然科学基金面上项目“基于半监督学习与集成学习的文本分类方法研究”（编号：61073133），项目负责人为大连海事大学的鲁明羽教授。该课题基于半监督学习和集成学习方法，重点研究文本分类面临的重要技术问题。唐焕玲博士作为该项目的技术负责人，参与项目申请书编写并负责算法研究和分类系统的研发等工作。2011.1-2013.12
[4]国家自然科学基金面上项目“排序主题模型及其应用研究”（项目编号：61272369） ，的子课题，唐焕玲博士作为子课题项目负责人，主要负责排序主题模型的算法研究和子课题的管理等工作。2012.1-2016.12
[5]大连市科技计划项目“基于图像挖掘的冠心病循证医疗辅助诊断系统”（编号：2010E15SF153），项目负责人为大连海事大学的鲁明羽教授。唐焕玲博士作为课题的主研人员之一,主要开展面向冠心病循证诊疗系统的图像分类算法的研究。
[6]国家973项目子课题“万维网上的数据集成、数据仓储及知识发现的有效算法与软件系统研究”（课题编号：G199803414），研究期限为5年，2003年结题。课题负责人为清华大学陆玉昌教授。该课题将文本分类作为一项重要研究任务，唐焕玲作为课题的主研人员之一，主要承担了中英文文本分类算法的研究和中英文文本自动分类系统研发的工作。
[7]国家自然科学基金面上项目“循证医学信息化的智能技术研究”（编号：60473115），项目负责人为大连海事大学的鲁明羽教授。该课题将循证医学网页分类作为一项重要研究任务。唐焕玲博士作为项目技术负责人，协助导师负责课题管理、总结汇报工作，并开展循证医学分类体系构建、循证医学网页分类算法研究、中英文网页分类系统的研发等工作。
[8]教育部博士点基金项目“循证医学文献的自动分类技术研究”(编号：20070151009)，项目负责人为大连海事大学的鲁明羽教授。唐焕玲博士作为项目技术负责人，协助导师负责课题管理、总结汇报工作，并重点开展循证医学文献分类算法研究等工作。
[9]国家自然科学基金面上项目“分析和挖掘冠心病临床诊疗规律的智能技术研究”(编号: 60773084)，项目负责人为大连海事大学的鲁明羽教授。唐焕玲博士作为项目主研人员，负责冠心病中医临床型诊断行为的分类算法研究。
[10]国家自然科学基金专项基金项目“GIS方法在科学基金统计分析中的应用研究”(编号: J0724003)，项目负责人为大连海事大学的鲁明羽教授。唐焕玲博士作为项目主研人员，负责科学基金数据分析挖掘中的分类算法研究。
三、教学、科研获奖
[1] 一种结合独立性模型与差异性评估的Co-training改进方案，山东高校优秀科研成果（自然科学类）三等奖，山东省教育厅,第1位,2009
[2] “结合相互独立性模型和差异性评估对Co-training的改进”第十一届中国机器学习会议（CCML2008）优秀学生论文奖，中国人工智能学会机器学习专委会,位次1/3,2008.8.5
[3] 2019年10月，荣获“山东工商学院科研标兵”荣誉称号。
四、国家技术发明专利
[1] 唐焕玲,窦全胜,于立萍，宋英杰，鲁眀羽.“一种有监督主题模型的文本分类方法及系统”，发明专利，专利号：201811398232.1，2020.4.24实审通过。
五、教材或专著
[1] 唐焕玲.基于半监督与集成学习的文本分类方法,电子工业出版社,2013年8月,字数205千字.ISBN：9787121212567，CIP核字号:2013 第188126号.
六、代表性论文
[1] 唐焕玲,窦全胜,于立萍,宋英杰,鲁明羽.有监督主题模型的SLDA-TC文本分类新方法,电子学报,2019,47 (6): 1300-1308.(EI收录)
[2] HuanlingTang,Jun Wu, Zhengkui Lin, Mingyu Lu. An Enhanced AdaBoost Algorithm with NaiveBayesian Text Categorization based on a Novel Re-weighting Strategy.International Journal of Innovative Computing, Information and Control(IJICIC). 2010 ,6 (11):5299-5310. (SCI收录，EI收录).
[3] 唐焕玲,林正奎,鲁明羽,邬俊.一种结合独立性模型与差异评估的Co-Training改进方案.计算机研究与发展,2008,45(11):1874-1881.（EI收录,, 荣获第十一届中国机器学习会议（CCML2008）优秀学生论文奖）
[4] 唐焕玲,林正奎,鲁明羽.基于差异性评估对Co-training文本分类算法的改进.电子学报,2008, 36 (12A):138-143. (EI收录)
[5] 唐焕玲,孙建涛,陆玉昌.文本分类中结合评估函数的TEF-WA权值调整,计算机研究与发展,2005, 42(1): 47-53. (EI收录)
[6] HuanlingTang, Jun Wu, Mingyu Lu , Na Liu. An ImprovedSemi-supervised Categorization Algorithm Based on Mutual Independence Model.Journal of Computational Information Systems, 2008,4(6): 2893-2901（EI收录）
[7] 唐焕玲，鲁明羽.利用置信度重取样的SemiBoost-CR分类模型.计算机科学与探索.2011,4(11)1048-1056.
[8] 唐焕玲，于立萍，鲁明羽.融合迁移学习的TranCo-Training分类模型，模式识别与人工智能，2013,25 (5): 432-439.
[9] 唐焕玲,邬俊,鲁明羽.基于投票信息熵的AdaBoost改进算法.控制与决策.2010,25(4)481-492.(EI收录)
[10]TangHuanling, Lu Mingyu, Liu Na. Co_NBM: A Semi-supervisedCategorization Algorithm based TEF-WA Technique. Proceedings of Grc2007, the2007 IEEE International Conference on Granular Computing, Silicon Valley,Calif., USA: IEEE Pr., 2007: 271-274. (EI收录)
[11]HuanLingTang, ZhengKui Lin, Mingyu Lu, Na Liu. ANovel Features Partition Algorithm for Semi-Supervised Categorization.Proceedings of the 7th World Congress on Intelligent Control and Automation, WCICA'08, 2008:129-134 (EI收录)
[12]TangHuanling, Lu Mingyu, Liu Na. A Co-training Approachbased TEF-WA technique. Proceedings of NPC2007, 2007 IFIP InternationalConference on Network and parallel Computing Workshops, 2007: 1021-1026. (EI收录,)
[13]唐焕玲，王敬东，陆玉昌. 基于减少相似主题分类错误的权重分配新策略,计算机工程与应用，2004,40(13):185-188.
[14]唐焕玲，付克明，鲁明羽. 文本分类系统SECTCS中若干技术问题的探讨，计算机工程与应用,2003，39(11):80-83.
