11月27日，我校大数据与交叉科学研究院（以下简称‘大数据研究院’）在双创中心举办“大数据驱动的东北振兴理论方法与实践”主题学术创新研讨会，校党委副书记、校长童猛，副校长杨楠出席会议，会上，管理科学与信息工程学院副院长刘颖、国际合作与交流处副处长徐明、管理科学与信息工程学院教授王楠作专题报告。

报告题目：数智赋能金融——多源数据深度融合的供应链金融风险识别与防范

报告人简介：刘颖，教授，理学博士，硕士生导师（兼职博士生导师）。吉林省第八批拔尖创新人才，吉林省商务大数据中心主任。美国加州大学国家公派访问学者（博士后)，国家自然科学基金项目同行评议专家，吉林省国家高新技术企业认定评审专家，吉林省金融学会理事。研究方向：金融大数据分析，机器学习与深度学习。国内外学术刊物发表学术论文56篇，包括SCI中科院 1 区 Top 期刊、计算机领域T1类期刊、SSCI、CSSCI 等论文 45篇。出版A类学术专著2部，专利及软件著作权11部。主持国家社会科学基金、国家自然科学基金2项，吉林省自然科学基金、吉林省社科基金等项目 18项。荣获吉林省科技进步二等奖、吉林省自然科学学术成果二等奖2项。

报告正文：

刘颖教授首先回顾了其在金融科技、供应链金融与人工智能领域的研究进展，阐述金融科技作为技术驱动的金融创新在现代金融体系中的重要作用。随后简要介绍供应链金融的特点及其在解决信息不对称、优化资金流动中的意义与挑战，并从风险识别、隐私保护、绿色转型等角度，分享了团队的研究内容和研究成果。

在信用风险预测研究中，刘颖教授团队针对信用欺诈数据分布极度不均衡问题，提出了一种深度信念神经网络（DBN）集成算法。研究从两方面创新展开：首先，设计双向联合采样算法平衡训练样本，结合支持向量机（SVM）和随机森林（RF）构建基分类器簇，以克服传统SVM分类超平面偏移问题，并利用DBN深度学习整合多元预测，提升少数类样本识别能力。其次，基于成本效益的现实考量，提出一种新型评估指标RCI，综合评价算法在信用欺诈场景中的实际效益。实验结果表明，所提算法在样本比例极度不均衡时显著优于传统方法，有效改善了信用欺诈检测的精度与可靠性，为金融领域不均衡数据问题提供了创新性解决方案。

在供应链金融主题表征及演化研究，团队聚焦供应链金融热点问题。提出基于改进BERTopic模型的动态主题演化分析方法，充分利用深度学习预训练模型提升文本语义表示能力。通过融合文献与专利数据，创新性地揭示科学与技术的相互渗透，为学术研究与政策制定提供了有力支撑。

 随后，刘颖老师带领的研究生团队在绿色供应链金融领域开展了重要研究，重点探索如何通过金融资源推动绿色产业发展并帮助中小企业实现绿色转型。团队构建了一个综合经济与环境因素的信用风险评估体系，并利用先进的GAN与深度学习技术提升了模型性能。研究成果为绿色供应链金融的风险管理和中小企业的绿色转型提供了有力支持，助力实现“双碳”目标。

最后，刘颖教授对交叉研究院的研究方向进行介绍，重点围绕人工智能与大数据技术在解决金融领域核心问题中的应用。研究方向涵盖金融风险识别与可解释分析、金融信息安全与隐私保护、供应链金融与管理、金融欺诈与虚假信息识别以及金融绿色生态与场景应用。致力于提升金融体系的稳定性、透明度与可持续性，更好的实现科技驱动金融创新