热点话题人物,欢迎提交收录!
最优雅的名人百科,欢迎向我们提交收录。
毕建武
2023-05-11 20:59
  • 毕建武
  • 毕建武 - 管理学博士 助理研究员-南开大学-旅游与服务学院-个人资料

近期热点

资料介绍

个人简历


【教育背景】
2015年9月—2019年7月东北大学工商管理学院,管理学博士
2017年9月—2018年9月新加坡南洋理工大学计算机科学与工程学院,联合培养博士研究生
2012年9月—2015年1月辽宁工程技术大学安全科学与工程学院,工学硕士
2008年9月—2012年7月辽宁工程技术大学工商管理学院,管理学学士
【工作经历】
2019年08月——南开大学旅游与服务学院,博士后
【主要科研项目】
主持国家级项目2项,省部级项目3项,校级项目2项,具体如下:
1. 国家自然科学基金委员会,青年项目, 72101124,概念漂移下基于多源异构数据的旅游需求迁移集成预测方法研究,2022-01至2024-12,在研,项目负责人
2. 全国哲学社会科学工作办公室,国家社科基金优秀博士论文出版项目,基于在线评论情感分析的服务属性分类及服务要素配置方法研究,2021-10至2022-10,在研,项目负责人
3. 教育部人文社科司,青年项目,20YJC630002,基于在线评论/评价的大众消费产品竞争态势分析及改进方法研究,2020-01至2023-12,在研,项目负责人
4. 博士后管委会,博士后特别资助项目,2020T130318,在线评论驱动下基于竞争情形的产品改进方法研究,2020-01至2022-08, 在研,项目负责人
5. 博士后管委会,博士后面上项目,2019M661000,基于在线评论/评价的酒店服务改进方法研究,2020-01至2022-08, 在研,项目负责人
6. 南开大学文科发展基金科学研究类项目,ZX20210067,竞争视角下基于在线评论挖掘的旅游产品改进方法研究,2021-04至2023-03,在研,项目负责人
7. 中央高校基本科研业务经费,63202074,基于在线评论的旅游产品竞争者识别及设计方法研究,2020-01至2021-10,已结项,项目负责人
参与国家级项目3项,具体如下:
1. 国家自然科学基金委员会,面上项目,基于联邦机器学习和相似案例特征挖掘的智能决策方法及应用研究
2. 国家自然科学基金委员会,面上项目,恣纵背后:基于元需求的旅游消费行为及供给侧改革对策构建路径研究
3. 国家自然科学基金委员会,面上项目,面向多视角决策支持的基于在线评论的群体偏好分析方法研究
近五年,在《Tourism Management》、《Annals of Tourism Research》、《Journal of Travel Research》、《International Journal of Production Research》、《Information Sciences》、《Information Fusion》、《Expert Systems with Applications》等国内外重要学术期刊上发表论文17篇,其中,SCI/SSCI检索16篇(JCR一区论文13篇),ABS 4论文6篇。发表的论文得到了国内外学者的关注和引用,SCI/SSCI引用530余次,Google学术引用820余次,入选ESI热点论文1篇、ESI高被引论文3篇。
【获奖情况】
2018年10月 博士研究生国家奖学金
2017年10月 博士研究生国家奖学金
2015年1月 辽宁省优秀毕业生
2013年10月 硕士研究生国家奖学金

研究领域


旅游大数据分析、旅游需求分析、旅游信息技术""

近期论文


1. Bi, J. W., Liu, Y., Fan, Z. P., & Zhang, J. (2019). Wisdom of crowds: Conducting importance-performance analysis (IPA) through online reviews. Tourism Management, 70, 460-478. (SSCI, IF=10.967, JCR Q1, ABS 4, ESI高被引/热点论文)
2. Bi, J. W., Liu, Y., Fan, Z. P., & Zhang, J. (2020). Exploring asymmetric effects of attribute performance on customer satisfaction in the hotel industry. Tourism management, 77, 104006. (SSCI, IF=10.967, JCR Q1, ABS 4, ESI高被引论文)
3. Bi, J. W., Li C., Xu H. & Li, H. (2021). Forecasting daily tourism demand with big data: An ensemble deep learning method. Journal of Travel Research, https://doi.org/10.1177/00472875211040569. (SSCI, IF=10.982, JCR Q1, ABS 4)
4. Bi, J. W., Li, H., & Fan, Z. P. (2021). Tourism demand forecasting with time series imaging: A deep learning model. Annals of Tourism Research, 90, 103255. (SSCI, IF=9.011, JCR Q1, ABS 4)
5. Bi, J. W., Liu, Y., & Li, H. (2020). Daily tourism volume forecasting for tourist attractions. Annals of Tourism Research, 83, 102923. (SSCI, IF=9.011, JCR Q1, ABS 4)
6. Gao, G. X., & Bi, J. W. (通讯作者) (2021). Hotel booking through online travel agency: Optimal Stackelberg strategies under customer-centric payment service. Annals of Tourism Research, 86, 103074. (SSCI, IF=9.011, JCR Q1, ABS 4)
7. Bi, J. W., Liu, Y., Fan, Z. P., & Cambria, E. (2019). Modelling customer satisfaction from online reviews using ensemble neural network and effect-based Kano model. International Journal of Production Research, 57(22), 7068-7088. (SCI, IF=8.568, JCR Q1, ABS 3)
8. Liu, Y., Bi, J. W. (通讯作者), & Fan, Z. P. (2017). Multi-class sentiment classification: The experimental comparisons of feature selection and machine learning algorithms. Expert Systems with Applications, 80, 323-339. (SCI, IF=6.954, JCR Q1, ABS 3)
9. Bi, J. W., Han, T. Y., & Li, H. (2020). International tourism demand forecasting with machine learning models: The power of the number of lagged inputs. Tourism Economics, 1354816620976954. (SSCI, IF=4.438, JCR Q1)
10. Bi, J. W., Liu, Y., & Fan, Z. P. (2019). Representing sentiment analysis results of online reviews using interval type-2 fuzzy numbers and its application to product ranking. Information Sciences, 504, 293-307. (SCI, IF=6.795, JCR Q1)
11. Cheng, H., Liu, Q., & Bi, J. W. (通讯作者) (2021). Perceived crowding and festival experience: The moderating effect of visitor-to-visitor interaction. Tourism Management Perspectives, 40, 100888. (SSCI, IF=6.586, JCR Q1)
12. Bi, J. W., Liu, Y., & Fan, Z. P. (2020). Crowd intelligence: Conducting asymmetric impact-performance analysis based on online reviews. IEEE Intelligent Systems, 35(2), 92-98. (SCI, IF=3.405, JCR Q2)
13. Liu, Y., Bi, J. W., & Fan, Z. P. (2017). Ranking products through online reviews: A method based on sentiment analysis technique and intuitionistic fuzzy set theory. Information Fusion, 36, 149-161. (SCI, IF=12.975, JCR Q1, ESI高被引论文)
14. Liu, Y., Bi, J. W., & Fan, Z. P. (2017). A method for multi-class sentiment classification based on an improved one-vs-one (OVO) strategy and the support vector machine (SVM) algorithm. Information Sciences, 394, 38-52. (SCI, IF=6.795, JCR Q1)
15. Liu, Y., Bi, J. W. (通讯作者), & Fan, Z. P. (2017). A method for ranking products through online reviews based on sentiment classification and interval-valued intuitionistic fuzzy TOPSIS. International Journal of Information Technology & Decision Making, 16(06), 1497-1522. (SCI, IF=2.22, JCR Q3)
16. Bi, J. W., Liu, Y., & Fan, Z. P. (2020). A deep neural networks based recommendation algorithm using user and item basic data. International Journal of Machine Learning and Cybernetics, 11(4), 763-777. (SCI, IF=4.012, JCR Q2)
17. 毕建武, 刘洋, 樊治平. 依据在线评论的商品排序方法[J]. 系统工程学报, 2018, 33(03):422-432. (国家自然科学基金委管理科学部认定A级重要期刊)
中国优选法统筹法与经济数学研究会智能决策与博弈分会理事、中国管理现代化研究会管理与决策科学专业委员会理事。担任TM, ATR, IJHM, IJCHM, IJPR等10多种SSCI/SCI期刊的论文评审专家

相关热点

扫码添加好友