TS. Huỳnh Thành Trung
Viện Kỹ Thuật Và Khoa Học Máy Tính
Trợ lý giáo sư – Khoa học Máy tính
Giới thiệu
TS. Huỳnh Thanh Trung nhận bằng Cử nhân Kỹ sư (B.E.) và Thạc sĩ (M.E.) ngành Hệ thống Thông tin tại Trường Đại học Bách khoa Hà Nội vào năm 2016 và 2017. Tháng 6/2022, ông bảo vệ thành công luận án Tiến sĩ (Ph.D.) ngành Trí tuệ nhân tạo tại Griffith University, Australia, với trọng tâm nghiên cứu về các kỹ thuật học máy tiên tiến và khai phá dữ liệu.
Trong giai đoạn 2022–2025, TS. Trung là Nghiên cứu viên sau tiến sĩ (Postdoctoral Researcher) tại Swiss Federal Institute of Technology Lausanne (EPFL), nơi ông tham gia các công trình nghiên cứu tiên phong trong lĩnh vực AI và hệ thống dữ liệu định hướng dữ liệu.
Các hướng nghiên cứu chính của TS. Trung bao gồm: học máy, mạng nơ-ron sâu, khai phá đồ thị, thị giác máy tính, phân tích mạng xã hội, phát hiện tin giả, và các mô hình ngôn ngữ lớn (LLMs). Ông đã công bố hơn 20 bài báo khoa học trên các tạp chí và kỷ yếu hội nghị quốc tế hàng đầu, với hơn 1.400 lượt trích dẫn và chỉ số h-index đạt 16.
Bên cạnh đó, TS. Trung còn đóng góp tích cực cho cộng đồng nghiên cứu với vai trò phản biện cho nhiều hội nghị và tạp chí uy tín như WWW, WSDM, TKDE, ICDE, VLDB và IJCAI. Nghiên cứu của ông hướng đến việc kết nối giữa lý thuyết AI và các ứng dụng thực tiễn, đặc biệt trong phân tích dữ liệu phức tạp, phát hiện thông tin sai lệch, và khai thác sức mạnh của các mô hình ngôn ngữ lớn nhằm phục vụ trích xuất tri thức và suy luận.
· Ứng dụng các kỹ thuật học máy
· Mạng nơ-ron sâu
· Khai phá đồ thị
· Thị giác máy tính
· Phân tích mạng xã hội
· Phát hiện tin giả
· Mô hình ngôn ngữ lớn (LLMs)
· Phân tích định lượng tài chính
• Applied Machine Learning and Data Mining
• Deep Neural Networks and Modern AI Architectures
• Graph Mining and Network Analysis
• Computer Vision and Visual Intelligence
• Social Network Analysis and Information Diffusion
• Misinformation and Fake News Detection
• Large Language Models and Generative AI
• Quantitative and Computational Financial Analysis
Journal Articles (Q1, Top-tier)
1. TOIS 2024 (Q1, IF 5.7) – Thanh Trung Huynh, Trong Bang Nguyen, Phi Le Nguyen, Hongzhi Yin, Thanh Tam Nguyen, and Nguyen Quoc Viet Hung. “Certified Unlearning for Federated Recommendation.” ACM Transactions on Information Systems, 2024.
2. VLDBJ 2023 (Q1, IF 5.63) – Nguyen Thanh Tam, Thanh Trung Huynh, Hongzhi Yin, Matthias Weidlich, Thanh Thi Nguyen, Thai Son Mai, and Quoc Viet Hung Nguyen. “Detecting rumours with latency guarantees using massive streaming data.” The VLDB Journal, 2023.
3. Information Sciences 2023 (Q1, IF 9.01) – Nguyen Thanh Tam, Thanh Trung Huynh, Matthias Weidlich, Quan Thanh Tho, Karl Aberer, and Quoc Viet Hung Nguyen. “Scalable maximal subgraph mining with backbone-preserving graph convolutions.” Information Sciences, 2023.
4. TKDE 2022 (Q1, IF 6.977) – Huynh Thanh Trung, Tong Van Vinh, Nguyen Thanh Tam, Hongzhi Yin, Matthias Weidlich, and Nguyen Quoc Viet Hung. “Learning Holistic Interactions in LBSNs with High-order, Dynamic and Multi-role Contexts.” IEEE Transactions on Knowledge and Data Engineering, 2022.
5. TKDE 2021 (Q1, IF 6.977) – Huynh Thanh Trung, Duong Chi Thang, Nguyen Thanh Tam, Tong Van Vinh, Abdul Sattar, Hongzhi Yin, and Nguyen Quoc Viet Hung. “Network Alignment with Holistic Embeddings.” IEEE Transactions on Knowledge and Data Engineering, 2021.
6. TKDE 2021 (Q1, IF 6.977) – Nguyen Thanh Tam, Huynh Thanh Trung, Hongzhi Yin, Tong Van Vinh, Darnbi Sakong, Bolong Zheng, Nguyen Quoc Viet Hung. “Entity Alignment for Knowledge Graphs with Multi-order Convolutional Networks.” IEEE Transactions on Knowledge and Data Engineering, 2021.
7. ESWA 2020 (Q1, IF 6.954) – Huynh Thanh Trung, Nguyen Thanh Toan, Tong Van Vinh, Hoang Thanh Dat, Duong Chi Thang, Nguyen Quoc Viet Hung, and Abdul Sattar. “A comparative study on network alignment techniques.” Expert Systems with Applications, 2020.
—
Conference Papers (A, A-ranked)*
1. EMNLP 2024 (A*) – Nguyen Tuan Dung, Thanh Trung Huynh, Minh Hieu Phan, Phi Le Nguyen, Nguyen Quoc Viet Hung. “CARER – ClinicAl Reasoning-Enhanced Representation for Temporal Health Risk Prediction.” Conference on Empirical Methods in Natural Language Processing (EMNLP), 2024.
2. PKDD 2024 (A) – Thanh Trung Huynh, Trong Bang Nguyen, Phi Le Nguyen, Thanh Tam Nguyen, Nguyen Quoc Viet Hung, and Karl Aberer. “Distillation-free federated unlearning with provable robustness.” European Conference on Machine Learning and Principles and Practice of Knowledge Discovery in Databases (PKDD), 2024.
3. WSDM 2023 (A*) – Thanh Trung Huynh, Minh Hieu Nguyen, Thanh Tam Nguyen, Phi Le Nguyen, Matthias Weidlich, Quoc Viet Hung Nguyen, Karl Aberer. “Efficient integration of multi-order dynamics and internal dynamics in stock movement prediction.” Proceedings of the Sixteenth ACM International Conference on Web Search and Data Mining (WSDM), 2023.
4. ICDE 2021 (A*) – Nguyen Thanh Tam, Huynh Thanh Trung, Hongzhi Yin, Tong Van Vinh, Darnbi Sakong, Bolong Zheng, Nguyen Quoc Viet Hung. “Entity Alignment for Knowledge Graphs with Multi-order Convolutional Networks.” IEEE 37th International Conference on Data Engineering (ICDE), 2021.
5. ICDE 2020 (A*) – Huynh Thanh Trung, Tong Van Vinh, Nguyen Thanh Tam, Hongzhi Yin, Matthias Weidlich, and Nguyen Quoc Viet Hung. “Adaptive Network Alignment with Unsupervised and Multi-order Convolutional Networks.” IEEE 36th International Conference on Data Engineering (ICDE), 2020.
· 2022: Tiến sĩ (Ph.D.) về Trí tuệ Nhân tạo, Đại học Griffith, Úc
· 2017: Thạc sĩ (M.E.) Hệ thống Thông tin, Đại học Bách khoa Hà Nội
· 2016: Kỹ sư (B.E.) Hệ thống Thông tin, Đại học Bách khoa Hà Nội
· Giải Bài báo hội nghị xuất sắc nhất, PRICAI, 2019
· Học bổng Tiến sĩ toàn phần dành cho sinh viên quốc tế, Đại học Griffith, 2018
