一、基本信息

黄学坚，男，博士,讲师，1990年6月出生，南昌人，中国图象图形学学会数字媒体取证与安全专委会委员。长期从事自然语言处理、多模态学习、社交网络安全、可解释机器学习、虚假新闻检测等领域研究，以第一者在IEEETMM、TCSS、ACMTALLIP、EAAI、《计算机学报》《计算机研究与发展》等权威期刊发表论文10余篇，主持省部级课题5项，授权发明专利10余项，担任NeurIPS、IEEE TMM、IEEE TCSS、IPM、EAAI、ESWA、KBS、Neurocomputing、NeuralNetworks、Scientometrics及《计算机学报》等多个权威会议和期刊审稿人。

 Email：huangxuejian@jxufe.edu.cn

二、科研项目

[1]      融合背景知识的社交网络谣言及早检测研究(20242BAB20074),江西省自然科学基金青年项目,2024年6月-2026年6月,结题,主持.

[2]      电子数据管控与取证江西重点实验室开放基金课题(2025JXJYKFJJ004),2025年1月-2025年12月,结题,主持.[3]      数据驱动与知识驱动相融合的社交网络谣言检测研究(JC24219),江西省高校人文社科研究项目,2025年1月-2026年6月, 结题,主持.

[4]      泛在学习环境下基于知识图谱的学习资源个性化智能推荐研究(JY21253),江西省高校人文社科研究项目,2021年1月-2022年12月,结题,主持.

[5]      融合统计特征和语义特征的社交网络谣言检测研究(GJJ200539),江西省教育厅科技项目,2021年1月-2022年12月,结题,主持.

[6]      教育大数据背景下在线学习资源个性化智能推荐研究(21QN012),省教育科学规划项目,2021年1月-2022年12月,结题,主持.

[7]      支持嵌套合约的区块链事务处理关键技术研究(62272207),国家自然科学基金面上项目,2023年1月- 2026年12月,在研,参与.

[8]      社交媒体健康信息可信度评估及偏好推荐研究(72061015),国家自然科学基金地区项目,2021年1月-2024年12月,在研, 参与.

[9]      以创新创业能力培养为导向的学赛一体化经济管理类实验教学体系探索与实践(20YB047),江西省教育科学十三五规划课题,2020年1月-2021年12月, 结题, 参与.

[10]   融媒体环境下网络社会舆论生态系统的空间特征及管理策略研究(GL19110),江西省高校人文社科项目,2020年1月-2021年12月, 结题, 参与.

[11]   基于高校信息化大数据的学生学习行为分析(GJJ181550),江西省教育厅科学技术研究项目,2019年1月-2020年12月,结题,参与.

三、第一作者论文（部分）

[1]      融合外部知识与证据的场景图注意力网络多模态谣言检测[J].计算机学报,2025,48(9):2159-2180. (权威A类).[2]      Knowledge-enhanced dynamic scene graph attention network for fake news video detection[J]. IEEE Transactions on Multimedia, 2026, 28:517-530 (中科院SCI 一区, CCF A).

[3]      Dual evidence enhancement and text–image similarity awareness for multimodal rumor detection[J]. Engineering Applications of Artificial Intelligence, 2025, 153: 110845(中科院SCI 一区).

[4]      Multi-view spatio-temporal learning with dual dynamic graph convolutional networks for rumor detection[J]. IEEE Transactions on Computational Social Systems, 2025,12(5): 2469-2479 (中科院SCI 二区, 计算社会学权威期刊).

[5]      基于样本内外协同表示和自适应融合的多模态学习方法[J].计算机研究与发展,2024,61(5):1310-1324(权威A-类).

[6]      BKUF: A novel real-time rumor detection method integrating background knowledge and user features[J]. ACM Transactions on Asian and Low-Resource Language Information Processing, 2026, DOI:10.1145/3790094 (低资源NLP领域权威期刊).

[7]      ResGAT: An improved graph neural network based on multihead attention mechanism and residual network for paper classification[J]. Scientometrics, 2024, 129(2): 1015-1036(SSCI 一区).

[8]      Huang X, Ma T, Jia L, et al. An effective multimodal representation and fusion method for multimodal intent recognition[J]. Neurocomputing, 2023, 548: 126373(中科院SCI 二区).

[9]      基于分层语义特征学习模型的微博谣言事件检测[J].数据分析与知识发现,2023,7(5):81-91(EI & CSCD).[10]   融合多元用户特征和内容特征的微博谣言实时检测模型[J].小型微型计算机系统,2022,43(12):2518-2527(权威B类).

[11]   基于改进型图神经网络的学术论文分类模型[J].数据分析与知识发现,2022,6(10):93-102(EI & CSCD).

四、授权发明专利

[1]      基于双证据增强与图文相似度感知的多模态谣言检测方法[P] (授权，第1发明人).

[2]      基于知识增强图注意力网络的虚假新闻视频检测方法[P] (授权，第1发明人).

[3]      基于双动态图卷积网络时空特征学习的网络谣言检测方法[P] (授权，第1发明人).

[4]      一种基于时间感知注意力机制的跨话题谣言检测方法[P] (授权，第2发明人).

[5]      模态不完整条件下的视频虚假信息跨域检测方法及系统[P] (授权，第2发明人).

[6]      谣言检测方法、计算机设备及可读存储介质[P] (授权，第2发明人).

[7]      一种基于大模型驱动的自适应学习评估方法及系统[P] (授权，第3发明人).

[8]      一种基于融合架构的端侧RAG实现方法及系统[P] (授权，第3发明人).

[9]      一种基于时空传播图的动态谣言检测方法[P] (授权，第4发明人).

[10]   一种基于图神经网络的多变量时序异常检测方法及系统[P] (授权，第4发明人).

[11]   基于认知图式张量分解的智能体拟人化交互方法及系统[P] (授权，第4发明人).

[12]   基于异构多关系图的话题检测方法、装置、设备及介质[P] (授权，第5发明人).

​

欢迎对自然语言处理、多模态学习、多媒体安全、虚假信息检测、AI生成检测、可解释机器学习、大模型等方向有浓厚兴趣的同学加入课题组，邮箱：huangxuejian@juxfe.edu.cn.  希望具备的能力：

• 计算机、人工智能、数学等相关专业背景，具备扎实的编程与数理基础

• 熟练掌握 Python，至少熟悉 PyTorch 或 TensorFlow 中一种深度学习框架

• 具备良好的自学能力、逻辑思维与科研热情，乐于探索挑战性问题

• 有 NLP、 CV、多模态相关项目经验，或论文、竞赛获奖经历者优先

• 对多媒体安全、大模型、生成模型、可解释 AI 等前沿方向有强烈兴趣者尤为欢迎

如果以上暂时都不具备也没关系——但要对科研有“Transformer”般的热情，和“反向传播”般的毅力，我们可以一起“预训练”你！