北陸先端科学技術大学院大学 · 先端科学技術研究科 · 教授
NGUYEN MinhLe
Nguyen Minh Le
别名: NGUYEN MinhLe / グエン ミンレ / NGUYEN Minhle / NGUVEN Minh Le / NGUYEN Le Minh
Research fields
研究领域
按日本文部科学省 科研費審査区分表 自动归类。KAKEN 项目数越多,代表教授在该领域投入越深。第一个为「主业」。
- 主业情報学中区分
- 知能情報学小区分
- 人間情報学大区分
- 総合・新領域系大区分
- 総合系大区分
- 総合領域大区分
Research keywords
这位教授在研究什么
基于他/她公开的科研项目与论文自动提取的研究关键词,出现频次越高显示越大。
KAKEN grants
科研项目(近期在前)
KAKENHI 是日本科研最权威的经费系统,基金层级越高(S > A > B)越能反映影响力。
- 2025KAKENHI-基盤研究(A)cross-linguistic studyphilosophical conceptsword embeddingsmachine learning
- 2022KAKENHI-基盤研究(B)
Use and Concept in Neural Machine Translation and Cross-Linguistic Divergence ↗
use theory of meaninglinguistic competencelarge language modellinguistic diversityphilosophy of languageLLMlinguisticscross-linguistic study - 2020KAKENHI-基盤研究(B)
認知的徒弟制に基づく論文改訂スキル学習支援環境に関する研究 ↗
改定スキル多段階コーパスフィードバック研究論文プレゼンテーション論文改訂スキル認知的徒弟制深層強化学習 - 2020KAKENHI-挑戦的研究(開拓)
数理論理手法と人工知能手法の融合に基づくマルウェアの自動意味理解 ↗
バイナリコード記号実行器マルウェアARMx86アンドロイド脆弱性検出動的記号実行 - 2019KAKENHI-挑戦的研究(開拓)
人工知能の法律遵守機構の実現 ↗
法規範遵守法とAI人工知能矛盾検出矛盾解消法律とAI法律順守機構論理プログラミング - 2015KAKENHI-挑戦的萌芽研究
テキストの可読性を高める構造的書換えモデルの研究 ↗
書換えテキスト構造可読性自然言語処理法令工学 - 2015KAKENHI-若手研究(B)
A Study on Social Context Summarization ↗
social contextextractiveabstractivedeep learningseq2seq modellearning to rankLSTMLSTM-CRF - 2010KAKENHI-若手研究(B)
文から論理表現への文脈依存変換を学習するための半教師モデル ↗
意味解析言語理解 - 2008KAKENHI-基盤研究(B)
法令文書の言語解析法の研究-法令工学の研究として- ↗
法令工学法令文書言語解析法令構造論理表現国民年金法整合性構造的書き換え
CiNii papers
近期论文 / 文章
CiNii 覆盖日本国内期刊、论文集、图书章节。只保留最近的 10 条。
- 2023RSC Advances
Insight into the direct conversion of methane to methanol on modified ZIF-204 from the perspective of DFT-based calculations ↗
DOI: 10.1039/d3ra02650g
- 2023iScience
Genomic analyses reveal three phylogenetic species and their evolutionary histories in the big-headed turtle ↗
- 2019Neurocomputing
An ensemble method with sentiment features and clustering support ↗
- 2018
A Deep Neural Architecture for Sentence-Level Sentiment Classification in Twitter Social Networking ↗
- 20182018 10th International Conference on Knowledge and Systems Engineering (KSE)
A Deep Learning Study of Aspect Similarity Recognition ↗
- 2017
Legal Question Answering using Ranking SVM and Deep Convolutional Neural Network ↗
- 20172017 9th International Conference on Knowledge and Systems Engineering (KSE)
Multi-channel LSTM-CNN model for Vietnamese sentiment analysis ↗
- 20172017 4th NAFOSTED Conference on Information and Computer Science
Towards domain adaptation for Neural Network Language Generation in Dialogue ↗
- 2017Proceedings of the Eighth International Symposium on Information and Communication Technology
Utilizing User Posts to Enrich Web Document Summarization with Matrix Co-factorization ↗
- 2017
Summarizing Web Documents Using Sequence Labeling with User-Generated Content and Third-Party Sources ↗
How to assess fit
如何判断这位教授是否适合你
数据库的数据告诉你「这位教授在做什么」;能不能适合你,需要你自己对照以下几点判断。
- 关键词对齐
上面的关键词云里,有没有你研究计划书中反复出现的词?1-2 个重合是起点,3+ 个说明方向接近。
- 近期项目对应
看 KAKEN 项目的时间 — 近 2 年还有活跃项目说明研究室还在跑;只看项目名也大致能判断和你的问题是否相关。
- 不要只看学校名气
方向匹配度 > 学校排名。一位方向对口、还在活跃招生的副教授,往往比一位名气大但快退休的正教授更值得考虑。
- 留意招生信号
查一下该教授的研究室官网,看 OB/OG 名录里有没有中国 / 韩国 / 东南亚学生 — 这是「是否招留学生」最直接的信号。
ℹ️ 后期会加入基于 LLM 的中文画像(例如:「这位教授的研究风格偏...,适合什么样的申请者」),目前先用数据库公开字段 + 编辑建议替代。
数据来源说明:此页所有数据均来自 NII 旗下 KAKEN(nrid.nii.ac.jp)+ CiNii Research(cir.nii.ac.jp)公开 API,非实时抓取,可能滞后数周。每条目右侧链接可回溯到原始记录。
