汤非易，博士，广州职业技术大学信息工程学院专任教师，主要从事知识图谱、链接预测、推荐系统、图神经网络、社区发现、自然语言处理及人工智能教育应用等方向的教学与科研工作。本人具有海外学习、科研训练、企业实践和职业教育教学经历，长期关注图数据智能分析、知识表示学习、智能推荐与人工智能技术在教育教学中的应用。

本人本科毕业于 RMIT University 信息与知识管理专业，硕士毕业于 University of Melbourne 信息系统专业，博士毕业于 Victoria University 信息与数学科学方向。博士阶段围绕“Link-Prediction and its Application in Online Social Networks”开展研究，形成了以复杂网络、社会网络分析、链接预测、图表示学习和智能推荐为核心的研究基础。

自入职广州职业技术大学以来，本人立足职业教育教学一线，承担人工智能导论、Python 程序设计、Python 课程设计、计算机网络、毕业设计、岗位实习、综合设计项目课程等教学任务，注重将人工智能、大数据、知识图谱和软件工程实践案例融入课堂教学，培养学生的程序设计能力、工程实践能力、创新能力和职业素养。本人已取得高等学校教师资格证、广东省职业教育“双师型”教师证书，并通过广东省工程师学会专业技术人员水平评价，达到计算机技术及应用高级工程师水平。

知识图谱与知识表示学习
围绕知识图谱实体语义表示、时态语义建模、知识增强推荐、知识图谱构建与应用等问题开展研究，重点关注知识图谱在推荐系统、教育资源组织和智能服务中的应用。
图神经网络与图表示学习
围绕图结构数据建模、图嵌入、链接预测、节点表示学习、社区发现等问题开展研究，探索图结构信息、节点属性信息与深度学习模型的融合方法。
推荐系统与个性化服务
关注会话推荐、多兴趣推荐、新闻推荐、知识图谱增强推荐、深度强化学习推荐等方向，探索用户兴趣建模、候选内容感知建模和个性化推荐算法优化。
自然语言处理与教育人工智能
关注命名实体识别、文本分类、提示学习、大模型教学应用、课程知识图谱、知识追踪与智能习题推荐等方向，探索人工智能技术赋能职业教育教学改革的路径。

2014.03—2017.12
Victoria University，信息与数学科学，博士研究生。

2012.03—2013.12
University of Melbourne，信息系统，硕士研究生。

2009.02—2011.11
RMIT University，信息与知识管理，本科。

2022.02—至今
广州职业技术大学，信息工程学院，专任教师。

2019.11—2021.09
Enterparagon (Melbourne)，办公室经理 / 信息系统构建师。

2018.05—2022.01
广州易飞信息科技有限公司，研究员。

2017.12—2021.09
Raised International (Melbourne)，创始人 / 主讲师。

2015.07—2017.10
Victoria University，助教。

2014.04—2016.04
University of Melbourne，助理研究员。

本人长期承担软件技术、人工智能和计算机相关课程教学任务，主讲或承担人工智能导论、Python 程序设计、Python 课程设计、计算机网络、毕业设计、岗位实习、综合设计项目课程等课程。教学过程中注重理论与实践结合，强调项目驱动、任务驱动和真实案例教学，努力提升学生的软件开发能力、人工智能应用能力和工程实践能力。

任现职以来，本人持续承担专业课程教学任务，教学工作量较为饱满。结合学校教学安排和企业挂职锻炼经历，累计完成多学期教学工作，在人工智能导论、Python 程序设计、计算机网络、毕业设计及岗位实习等课程中持续开展教学实践和课程改革。本人注重将科研成果、企业项目案例和行业新技术转化为教学资源，推动课堂内容与产业前沿、岗位能力要求相衔接。

在教学改革方面，本人关注人工智能技术与职业教育课程体系融合，积极参与课程资源建设、教材案例建设、实践项目设计和学生竞赛指导，探索“课堂教学—项目实践—竞赛训练—职业能力提升”相结合的人才培养模式。

本人主持广州市科技计划项目“知识图谱实体时态语义表示模型研究及应用”，项目类别为基础研究计划，任务书编号为 2023A04J1728，项目起止时间为 2023 年 4 月至 2025 年 3 月，项目已通过验收。该项目围绕知识图谱实体时态语义表示、知识建模及应用问题开展研究，与本人在知识图谱、图表示学习、链接预测和推荐系统方向的研究基础具有较强关联。

此外，本人积极参与人工智能、知识图谱、图神经网络、推荐系统、自然语言处理等相关科研工作，注重将科研问题与教育教学、产业应用和职业教育数字化转型相结合，推动科研成果服务课程建设、学生培养和社会应用。

近年来，本人围绕图神经网络、图表示学习、社区发现、智能推荐、知识图谱、自然语言处理和教育人工智能等方向发表多篇论文，代表性成果包括：

Chang Chao, Tang Feiyi*, Yang Peng, Zhang Jingui, Huang Jingxuan, Li Junxian, Li Zhenjun. Multi-view knowledge representation learning for personalized news recommendation. Scientific Reports, 2025. SCI Q2.

Tang Feiyi, Li Junxian, Liu Xi, Chang Chao, Teng Luyao. GATFELPA integrates graph attention networks and enhanced label propagation for robust community detection. Scientific Reports, 2025. SCI Q2.

Yuan Chengzhe, Tang Feiyi, Shan Chun, Shen Weiqiang, Lin Ronghua, Mao Chengjie, Li Junxian. Exploring Named Entity Recognition via MacBERT-BiGRU and Global Pointer with Self-Attention. Big Data and Cognitive Computing, 2024. SCI Q2.

Teng Luyao, Tang Feiyi, Chang Chao, Zheng Zefeng, Li Junxian. Gig: a knowledge-transferable-oriented framework for cross-domain recognition. Multimedia Systems, 2024. SCI Q2，CCF C，CAAI C.

Ronghua Lin*, Feiyi Tang*, Chengzhe Yuan, Hao Zhong, Weisheng Li*, Yong Tang. DeHier: Decoupled and Hierarchical Graph Neural Networks for Multi-Interest Session-based Recommendation. World Wide Web Journal, 2024. CCF B，SCI Q3.

Ronghua Lin, Feiyi Tang*, Chaobo He, Zhengyang Wu, Chengzhe Yuan, Yong Tang. DIRS-KG: a KG-enhanced interactive recommender system based on deep reinforcement learning. World Wide Web Journal, 2023. CCF B，SCI Q3.

Ying Li, Yong Tang, Junwei Cheng, Chaobo He, Feiyi Tang*. A Community Detection Method to Counter the Semantic Noise of Complex Networks. IEEE Systems, Man, and Cybernetics Magazine, 2023. SCI Q3.

Weisheng Li, Feiyi Tang*, Chao Chang, Hao Zhong, Ronghua Lin, Yong Tang. Efficient Graph Embedding Method for Link Prediction via Incorporating Graph Structure and Node Attributes. Web Information Systems Engineering – WISE 2023. CCF B，CAAI C.

本人参与多项发明专利申请和授权，方向涵盖课程知识图谱、知识追踪、编程习题推荐、个性化推荐、链接预测和数据存储系统优化等，主要包括：

基于课程知识图谱和知识追踪的习题推荐方法及装置，申请发明专利，2024。
基于知识追踪和文本匹配的编程习题推荐方法和系统，授权发明专利，2024。
融合隐式反馈和用户社会地位的个性化推荐方法及系统，授权发明专利，2023。
内存存储系统的增量更新方法、装置、设备、介质和产品，授权发明专利，2023。
基于拓扑结构和属性信息的链接预测方法及系统，申请发明专利，2023。

本人积极参与教学改革、科研创新和教学能力竞赛，取得多项成果：

2024 年广东省计算机学会教育教学成果奖一等奖，个人排名第一。
2024 年广东省职业院校技能大赛教学能力比赛专业课程一组高职组二等奖，作品名称为“动力电池视觉智能质检”。
2023 年广东省职业院校技能大赛教学能力比赛高职组二等奖，作品名称为“视觉识别技术与应用初探”。
2023 年度广东省计算机学会科学技术奖二等奖，个人排名第三。
2024 年度广东省计算机学会科学技术奖一等奖，参与完成。
学生指导

本人积极承担班主任和学生成长指导工作，担任 2022 级区块链技术应用专业班主任，围绕班级建设、学风建设、学生发展、专业学习和职业规划开展指导工作。

在学生竞赛和创新创业指导方面，本人指导或参与指导学生参加“挑战杯”广东大学生创业计划竞赛、中国国际大学生创新大赛、海峡两岸暨港澳地区大学生计算机创新作品赛等赛事，并取得省级银奖、全国总决赛二等奖等成果。本人注重通过竞赛项目提升学生的问题分析能力、团队协作能力、技术实现能力和创新实践能力。

本人重视“双师型”能力建设和产业实践能力提升。2024 年 9 月至 2025 年 9 月，本人参加教师到企业挂职锻炼计划，在广东恒电信息科技股份有限公司开展为期一年的企业实践，锻炼岗位为软件工程师。企业实践期间，本人围绕 Python 编程、人工智能、大数据、企业产品研发、技术服务流程、教材案例建设、论文与专利培育、软件著作权申报等方面开展工作，了解企业真实项目流程和岗位能力需求，并将企业实践经验反哺课堂教学和专业建设。

本人还参加 DeepSeek 大模型教学应用实战师资研修班、全国数字人才技术提升骨干师资研修班等培训，持续更新人工智能、大模型、数字技术和教育教学应用方面的知识结构，为课程改革、教学资源建设和人工智能教育应用探索提供支撑。

总体而言，本人具有海外学习与科研训练经历、职业院校教学经历、企业实践经历和较为稳定的科研积累。本人研究方向聚焦知识图谱、图神经网络、链接预测、智能推荐、社区发现、自然语言处理和教育人工智能，能够将科研成果、企业实践和职业教育教学改革相结合，服务课程建设、学生培养和专业发展。

今后，本人将继续立足职业教育发展需求，围绕人工智能、知识图谱、图神经网络、智能推荐、大模型教育应用和职业教育数字化转型等方向持续开展教学与科研工作，不断提升课程建设、科研创新、学生指导和社会服务能力，为学校专业建设、人才培养和区域数字产业发展贡献力量。