SMP 2019 数据挖掘论坛

论坛概况

论坛时间：2019年8月18日 16:00-18:00

论坛形式：专家报告

论坛简介：数据挖掘是计算机学科相关研究中的热点，其具体研究涵盖理论、关键技术以及计算机核心应用等各个方面。随着大数据时代的到来，人们需要日益强大的挖掘与分析能力，应用于安全和商务领域，根据用户通过电子商务、互联网、电话通信、电子邮箱所留下的更多的生活痕迹，为期提供更全面、更精准、更安全的服务；同时，数据挖掘技术亦需要被应用于气象学、天文学等领域，分析各类设备所传回的愈发难以驾驭的数据流所包含的关键信息。

论坛主席：杨洋浙江大学计算机学院副教授

主席简介： 杨洋，浙江大学计算机学院副教授、人工智能系主任。主要研究社交网络挖掘，具体包括网络异常检测、网络表示学习、城市人口迁移计算等。在KDD、WWW、AAAI、TOIS等国际顶级学术会议及期刊上发表论文20余篇，曾担任KDD、WWW、AAAI、CIKM、WSDM、ICWSM、ASONAM等国际学术会议程序委员会委员。2016年获清华大学计算机科学与技术专业博士学位，博士期间曾访问美国康奈尔大学、比利时鲁汶大学。

论坛嘉宾

李晓林美国佛罗里达大学，教授 / 同盾科技，副总裁

报告主题：人工智能及其产业应用

报告摘要：利用从自然世界、工程系统等领域中产生的巨大数据，人工智能技术研究不断取得突破性进展，深度学习赋能广泛应用领域。深度学习显著推动了机器智能的复兴，这个讲座给了一个全景式的技术概括。展示了AI在金融、互联网、企业、健康、智慧城市、政府等领域的落地实践和案例分析。

嘉宾简介：李晓林博士，同盾科技副总裁兼人工智能研究院院长，美国公立常春藤名校佛罗里达大学终身正教授，校级杰出教授。牵头创立了美国首家国家级深度学习中心CBL并任创始全美中心主任，四校联盟（佛罗里达大学、卡内基梅陇大学、密苏里大学、俄勒冈大学），30多家中外知名企业资助。荣获美国国家科学基金杰出青年教授奖（NSF CAREER Award），Internet2未来网络（软件定义的网络SDN）创新应用奖， ACM CAC自主云计算国际会议最佳论文奖，NSF I-Corps最佳创业团队（击败众多名校哈佛、麻省理工、伯克利等）。在多项前沿课题取得突破性进展，国际领先。发表了100余篇同行评审的国际期刊和会议论文，获得四项美国专利授权，四项美国专利申请。

陈为浙江大学教授

报告主题：基于人文数据库的宋文化不确定的事件可视分析

报告摘要：在历史研究中，历史人物和事件中存在大量不确定性，这阻碍了研究者对历史的深入理解。数字化人文信息的发展为以数据为导向的历史研究提供了新视角。本次报告提出了一种可视化分析方法，以支持历史人物和时空事件中不确定性的可视化推理。整个工作流程通过辅助信息推荐进行可视化呈现并与专家知识结合，最后通过历史专家的评估和案例研究进行验证。

嘉宾简介：陈为，浙江大学教授，浙江大学计算机学院副院长，浙江大学CAD&CG国家重点实验室副主任，中国图像图形学学会可视化专委会副主任。承担国家自然科学基金重点项目等十余项。研究兴趣是大数据和医疗人工智能。发表Ieee/acm 汇刊论文50余篇。出版教材3部，专著两部（大数据技术；可视分析）。担任4个国际SCI期刊编委、多个国际重要学术会议主席。获省部级科技奖1等奖1次，2等奖2次。

宋国杰北京大学副教授

报告主题：网络表示学习

报告摘要：数据特征的有效表示是机器学习任务中最为关键环节之一。网络数据（如社交网络、信息网络等）作为普适而广泛的数据呈现形式，对它的高效表示学习是近年来数据挖掘和机器学习领域的研究热点之一。本报告将重点围绕如下内容展开：（1）网络表示学习的基本概念；（2）几类新型网络表示学习方法，包括：网络Tag表示、域自适应表示、基于网络划分的表示以及内存自适应的表示方法等。

嘉宾简介：宋国杰，北京大学信息科学技术学院副教授。研究方向包括：网络大数据分析、机器学习&数据挖掘、社会网络分析和智能交通系统。主持了包括国家高技术研究发展计划（863计划）、国家科技支撑计划、国家自然科学基金等纵向课题10多项；主持了国际（内）科研机构合作课题、企业横向合作课题等20余项。国家级精品课程主讲教师，两度获得北京大学教学成果一等奖（2012、2009）。在包括国际顶级期刊TKDE、TPDS、TITS以及国际顶级会议KDD、IJCAI、AAAI等发表论文100余篇，是多个国际顶级会议（KDD、WWW、AAAI、IJCAI等）的程序委员。申请国家发明专利10项，软件著作权3项。研究成果获“2012年度中国公路学会科学技术奖一等奖”、“2012年度山西省科学技术奖二等奖”和“2013年度中国公路学会科学技术奖一等奖”。

刘子韬好未来AI Lab负责人

报告主题：多模态教育数据挖掘: 中国K12教育场景案例分析

报告摘要：随着科学技术突飞猛进的发展，人们日常生活的各个方面都已经被数字化，各行各业的大数据积累日渐成熟。在教育行业，不论是线下课堂还是线上课堂，整个教学课堂环境都已经被数字化和结构化。传统课堂里的老师和学生的上课行为数据、上课教材的纸质内容等，都被转化成电子版本，结构化的保存了下来，为我们构建智慧教室，打造未来课堂，提供了坚实的基础。在此次报告中，首先会展示一些AI在好未来的成功应用。其次，会详细介绍我们在探索的两个方向：（1）如何从一致性低的众包小样本数据中学习鲁棒的特征表示；和（2）如何构建一个有效的短文本自动批改应用，用来减少老师沉重的批改工作。这两个工作也分布发表在ICDE 2019和AIED 2019上。

嘉宾简介：刘子韬，好未来AI实验室负责人，负责AI在好未来各个事业部的落地和应用。美国匹兹堡大学获得计算机专业博士。主要研究方向是机器学习和数据挖掘，以及相关方法在推荐、广告和教育场景的应用。在WWW，SIGIR，AAAI等重要国际会议发表论文二十余篇，并担任AAAI，IJCAI，KDD等国际会议程序委员会委员。回国前曾供职于Pinterest，主要负责Pinterest的图片推荐和广告竞价等业务。