2018年10月26日下午，王利民教授在吉林大学计算机楼A521报告厅做了题为“基于标靶学习的不确定性知识推理”的学术报告。王利民教授目前担任太阳成集团tyc4633(中国)有限公司-百度百科教授、博士生导师、中国人工智能学会不确定性人工智能专家委员会委员、中国计算机学会高级会员、澳大利亚莫纳什大学和澳大利亚联邦大学高级研究学者。主要从事大数据技术及不确定性人工智能推理等方面的科研工作，已发表SCI、EI收录学术论文近40篇。
贝叶斯网络被视为最有研究前景的不确定性知识推理的数学模型之一，但信息论与概率论在表达和度量依赖关系的差异性，使得贝叶斯网络难以精细刻画变量间的概率因果关系。在本次讲座中，王利民教授首先简单回顾贝叶斯网络的理论基础、主要流派和经典模型。贝叶斯网络以概率论和图论为理论基础，有着坚实的数学基础，但在结构学习过程中基于互信息度量变量间的依赖关系，无法反映在特定情况下的概率依赖关系。王利民教授通过对互信息和概率依赖之间的映射关系，提出现有独立性度量的局限性，分别从局部互信息、模型匹配等角度介绍标靶学习的研究价值和未来发展趋势，以及其所在的实验室团队当前的最新研究成果。
报告结束后，王利民教授与在场的师生探讨了大数据分析中常遇到的一些棘手的问题，并解答了学生提出的关于如何进行数据清晰和数据降维等一系列问题。一个多小时的学术报告不仅让大家增长了见识，也激发了同学们对机器学习和数据挖掘的研究热情，令大家对学术研究以及自身发展有了进一步的思考与展望。
