PAKDD 2019'un önemli noktaları nelerdir? Bu makaleyi okumak için yeter!
AI Technology Review Press: Pasifik Asya Bilgi Keşfi ve Veri Madenciliği (PAKDD), Asya-Pasifik bölgesindeki veri madenciliği alanındaki en büyük uluslararası konferanstır. Veri madenciliği ile ilgili alanlarda araştırmacılara ve uygulayıcılara özgürce paylaşım deneyimi sağlamayı amaçlamaktadır. Bu konferans, küresel veri madenciliği alanında yüksek bir üne sahiptir ve çok değerlidir ve sektördeki çeşitli ülkelerden bilim adamları tarafından geniş çapta kabul görmüştür. 15-17 Nisan tarihleri arasında 23. PAKDD 2019, görkemli bir şekilde Makao'da yapıldı. Leifeng.com AI Technology Review, size raporlar getirmek için olay yerine gitti.
PAKDD 2019'un 15'inde açılış töreninde Nanjing Üniversitesi'nden Profesör Zhou Zhihua'nın muhteşem konuşması konferansın açılışını yaptı. Makao'da düzenlenen bu yılki PAKDD'nin iki olağanüstü anlam taşıdığını belirtti: Birincisi, bu yıl Makao'nun Çin'e dönüşünün 20. yıldönümüne denk geliyor. Bu konferans, Macau'nun 20 yıl önce Çin'e dönüşünden bu yana dünyanın her yerinden araştırmacıların gelişmesine tanıklık etmesine olanak sağlayacak. ; İkincisi, Çin şu anda Shenzhen, Hong Kong ve Makao merkezli Guangdong-Hong Kong-Makao Büyük Körfez Bölgesi'nin inşasını şiddetle ilerletiyor. 2001 ve 2011'de PAKDD, toplantılarını yapmak için Hong Kong ve Shenzhen'i seçmişti. Bu nedenle, bu yılki Makao ziyareti Ayrıca, Makao için apaçık ortada olan karanlıkta Guangdong-Hong Kong-Makao Büyük Körfez Bölgesi'nin merkezi yapısını yansıtıyor.
PAKDD 2019 konferansının tamamı, gişe rekorları kıran 4 ders (3 Açılış konuşması + 1 PAKDD 2018 en etkili bildiri sunumu), 20 Sözlü Oturum, 5 Atölye ve 6 Öğretici içerir. Gelin bu konferansta dikkat edilmesi gereken kilit noktalara bir göz atalım.
Kağıt dahil etme durumu
Bu yıl konferansa toplam 567 bildiri gönderildi ve son olarak% 24.1 kabul oranıyla 137 bildiri dahil edildi. Tüm inceleme sürecine 55 kıdemli bilgisayar ve 379 bilgisayar katıldı.
Makalenin temaları açısından ilk üç sırayı tıbbi ve biyoinformatik alanlarındaki uygulamalar (% 12,4), sınıflandırma (% 9,5) ve veri madenciliği alanındaki derin öğrenme teorileri ve uygulamaları (% 7,4) oluşturmaktadır. Dahil etme oranına sahip ilk üç kağıt teması ağ ve grafik veri madenciliği (% 45,5), yapılandırılmamış ve yarı yapılandırılmış veri madenciliği (% 35,0) ve sıralı veri madenciliği (% 33,3).
Bildirilerin ülke / bölge dağılımı açısından, bu yılki konferans 46 ülke veya bölgeden toplam bildiri başvurusu aldı. İlk üç ülke / bölge sırasıyla 284, 60 ve 52 bildiri ile Çin, ABD ve Avustralya'dır. Nesne. En yüksek kağıt kabul oranlarına sahip ülkeler / bölgeler, her ikisi de% 30 kabul oranıyla Kanada ve Hindistan'dır; bunu sırasıyla% 24,3,% 23,3,% 23,1 ve% 22,2 kabul oranlarıyla Çin, Amerika Birleşik Devletleri, Hong Kong ve Yeni Zelanda izlemektedir.
4 ağır konuşma
Açılış konuşması
Konferansın ilk gününde Purdue Üniversitesi'nden Doçent Doktor Jennifer Neville, "İlişkisel Yapay Zekaya Doğru - ağlar üzerinden öğrenmenin iyi, kötü ve çirkinleri" üzerine bir açılış konuşması yaptı.
İlişkisel modellerin, daha geleneksel makine öğrenimi yöntemlerinin bağımsız varsayımlarının ötesine geçerek, artık varlıklar arasındaki ilişkilerde gözlemlenen ortak ek bilgileri başarılı bir şekilde kullanabileceğini belirtti. Özellikle, özellikle bireysel veriler seyrek olduğunda, ağ modelleri ilişkisel bilgileri kullanıcı ilgi alanlarının, davranışlarının ve etkileşimlerinin tahminini iyileştirmek için kullanabilir. Bununla birlikte, değiş tokuş, algoritmaların ve istatistiklerin mevcut zorlukları nedeniyle, büyük ölçekli ağ verilerinin heterojenliği, kısmi gözlemlenebilirliği ve karşılıklı bağımlılığı, araştırmacıların etkili ve tarafsız yöntemler geliştirmesini zorlaştırıyor.
Bu konuşmada Jennifer Neville bu konulara odaklandı ve geniş ölçekli sosyal ve bilgi ağlarında ilişki öğrenimi için birkaç ortak yöntem tanıttı.Ayrıca, ilişki modelinin mahremiyet ve toplum farklılaşması üzerindeki etkisini de paylaştı. Ve yanlış bilginin yayılmasının potansiyel etkisi.
Bu konferansın ikinci Keynote konuşmacısı olarak, Rutgers Üniversitesi'nde kadrolu profesör ve Baidu Talent Think Tank'ın direktörü Profesör Xiong Hui, konferansın ikinci gününde "Yetenek Analitiği: Beklentiler ve Fırsatlar" konulu bir konuşma yaptı. Bu konuşmaya esas olarak yetenek yönetiminde büyük verinin uygulama seviyesinden başladı.
Büyük veri trendinin artık yetenek yönetimi alanına girdiğini ve büyük ölçekli insan kaynakları (İK) verilerinin mevcudiyetinin, iş liderlerine yetenek davranışını anlamak ve yararlı yetenek bilgisi üretmek için iyi bir fırsat sağlayabileceğini ve böylece gerçek zamanlı çalışma sağladığını söyledi. Karar verme ve etkili personel yönetimi, akıllı yardım sağlar.
Bu bağlamda, akıllı insan kaynakları yönetimi için geliştirilen bir dizi güçlü ve yenilikçi büyük veri teknolojilerini yerinde misafirlere tanıttı ve işe alım, performans değerlendirme, yetenek rezervi ve geliştirme, iş eşleştirme, ekip yönetimi, liderlik geliştirme ve organizasyon gerçekleştirdi. Kültür ve diğer yönlerin ayrıntılı analizi. Aynı zamanda, yetenek analizinin piyasa trend analizi ve finansal yatırım gibi diğer iş uygulama senaryolarına nasıl uygulanacağını da gösterdi.
Konferansın son gününde Rovira Virgili Üniversitesi Fahri Profesörü Josep Domingo-Ferrer'in yaptığı konuşmanın konusu "Bilgi Keşfi ve Veri Madenciliği için Büyük Verileri Anonimleştirirken Konuları, Kullanıcıları ve Denetleyicileri Güçlendirmek" idi.
Özellikle insan davranışı ve etkileşimi ile ilgili kalıpların, eğilimlerin ve korelasyonların analizinde büyük verilerin uygulanması artmaktadır. Bununla birlikte, "Avrupa Genel Veri Koruma Yönetmeliği" (GDPR) yavaş yavaş küresel bir gerçek dünya veri koruma standardı haline geldiğinden, kişisel olarak tanımlanabilir bilgilerin (PII) herhangi bir amaca yönelik kullanımı açıkça belirtilmeli ve veri sahibi tarafından açıklığa kavuşturulmalıdır. İzin haricinde, PII ikincil kullanım için kullanılamaz. Bu nedenle, PII için kullanılan keşif verileri, GDPR standartlarını neredeyse hiç karşılamıyor.
Anonim veriler GDPR kapsamında olmadığından, PII yerine anonim veri kümelerinin kullanılması iyi bir yöntemdir. Bununla birlikte, bu yöntemin de sorunları vardır, yani istatistiksel açıklama kontrolüne ve gizlilik modellerine dayanan anonimleştirme teknolojisi, küçük veri zamanı algoritmaları ve varsayımlarını kullandığında, veriler dahil büyük verileri işlemek için tamamen revize edilmeli, güncellenmeli ve hatta değiştirilmelidir. Konu, verilerini nasıl kontrol edebilir ve çok sayıda veri toplayıcıda, denetleyicide ve işlemcide anonimliğe nasıl ulaşılır; büyük veri kümeleri elde etmek için anonim veri kümelerini birleştirmenin mümkün olup olmadığı; mevcut gizlilik modelinin anonim verileri kaldırmak için temel kuralları paylaşıp paylaşamayacağı Büyük veriye yükseltin; tüm gizlilik modellerini garanti edebilecek evrensel veya neredeyse evrensel bir anonim yöntem olup olmadığı vb.
Bu konuşmasında, sadece bu konuların mevcut durumunu tanıtmakla kalmadı, aynı zamanda alanın gelecekteki araştırma yönünü de paylaştı: Bir yandan, bu alanın veri konularına, kullanıcılara ve veri sahiplerine izin verecek şekilde büyük verinin anonimlik teknolojisini geliştirmeye kararlı olması gerektiğine inanıyor. Denetleyiciler bu teknolojiyi kullanabilir; Öte yandan, araştırmacıları yapılandırılmamış veya metin olmayan verilerle ilgili anonim araştırmaları güçlendirmeye çağırdı.
PAKDD 2018 En Etkili Bildiri Sunumu
Üç Keynote konuşmasına ek olarak, PAKDD 2018 "En Etkili Bildiri Ödülü" (En Etkili Bildiri Ödülü) ödüllü kağıt "Destek Vektör Makinesi Sınıflandırıcısı" da katılımcıların ana odak noktasıdır. Makale PAKDD 2008'de yayınlandı. On yıllık birikim ve testten sonra nihayet PAKDD 2018 "En Etkili Bildiri Ödülü" nü kazandı. Yazarları Liu Qiuge, He Qing ve Çin Bilimler Akademisi'nden üç öğretmen Shi Zhongzhi'dir. Bu konferansta yazarlardan biri olan araştırmacı He Qing harika bir bildiri sunumu getirdi.
Özellik uzayındaki veri noktalarının nokta çarpımını değerlendirmek için çekirdeği kullanan önceki SVM algoritmasının aksine, bu makalede, veri noktaları tek bir gizli katman ileri besleme ağı (SLFN) tarafından özellik alanına açıkça eşleştirilir ve aynı zamanda girdi ağırlıkları rastgele oluşturulur. nın-nin. Teorik olarak, bu formül, SLFN'ler-aşırı öğrenme makinesi (ELM) algoritmasından daha iyi genelleme performansı sağlayabilen ve nihayetinde aşırıya kaçan özel bir düzenlenmiş ağ (RN) biçimi olarak açıklanabilir. Basit ve hesaplama açısından hızlı doğrusal olmayan SVM algoritması. Algoritmanın yalnızca, sırası eğitim veri kümesinin boyutundan bağımsız olan potansiyel olarak küçük bir matrisi tersine çevirmesi gerekir. Deneysel sonuçlar, bu makalede önerilen limit SVM'nin genelleme performansının temelde ELM'ninkinden daha iyi olduğunu ve çalışma hızının diğer doğrusal olmayan SVM algoritmalarından çok daha hızlı olduğunu göstermektedir.
Önemli ödüller
"Değerli Katkı Ödülü"
Bu yılki "Üstün Katkı Ödülü" Singapur Yönetim Üniversitesi'nden Profesör Ee-Peng Lim'e verildi.
"Üstün Katkı Ödülü", Asya-Pasifik bölgesinde veri madenciliği alanında uzun vadeli olağanüstü katkılarda bulunan akademisyenleri ödüllendirmek için 2005 yılında PAKDD tarafından oluşturulan bir ömür boyu başarı ödülüdür. Her yıl yalnızca bir kişi ödüllendirilir (iki açık kadro).
Bu ödülü kazanan Çinli bilim adamları şunları içerir:
-
Zhou Zhihua (2016): Nanjing Üniversitesi Profesörü, Bilgisayar Bilimleri Bölümü Dekanı, Nanjing Üniversitesi Yapay Zeka Fakültesi Dekanı, Avrupa Bilimler Akademisi Yabancı Akademisyen, ACM Üyesi, AAAS, AAAI, IEEE, IAPR, IET / IEE ve diğer dernekler.
-
Liu Huan (2012): Bilgisayar Bilimi ve Mühendisliği Profesörü, Bilişim ve Karar Sistemleri Mühendisliği, Arizona Eyalet Üniversitesi, IEEE, ACM Fellow.
-
Hongjun Lu (2005): Ölümünden önce Hong Kong Bilim ve Teknoloji Üniversitesi'nde profesördü ve Wisconsin-Madison Üniversitesi'nden doktora derecesi ile mezun oldu.
"Gençlik Başarı Ödülü" (Erken Kariyer Ödülü)
Bu yıl, Singapur Yönetim Üniversitesi'nden Profesör Feida Zhu "Gençlik Başarı Ödülü" nü kazandı.
"Gençlik Başarı Ödülü", genç akademisyenlerin doktora mezuniyetlerinden sonraki ilk 10 yıldaki araştırma çalışmalarına göre seçilir. Asya-Pasifik bölgesinde veri madenciliğinde olağanüstü başarılar elde eden genç akademisyenleri teşvik etmeyi amaçlamaktadır. Her yıl sadece bir kazanan verilir.
Bu ödülü kazanan Çinli bilim adamları şunları içerir:
-
Yu Yang (2018): Nanjing Üniversitesi, Yapay Zeka Fakültesi Profesörü, 2011 yılında Nanjing Üniversitesi'nden Bilgisayar Bilimi ve Teknolojisi alanında doktora derecesi aldı.
"En Etkili Bildiri Ödülü" (En Etkili Bildiri Ödülü)
Bu yılki "En Etkili Bildiri Ödülü", PAKDD 2009'da yayınlanan bir makale olan "On Link Privacy in Randomizing Social Network" e verildi. Makalenin yazarları, Northwestern Polytechnical University'den Profesör Yin Xiaowei ve Charlotte'taki North Carolina Üniversitesi'nden Xintao. Profesör Wu.
"En Etkili Bildiri Ödülü", 10 yıl önce PAKDD'de yayınlanan makaleler içindir ve son 10 yılın en etkili makale yazarlarını tanımayı amaçlamaktadır. Ödül, aday makaleleri seçmek için Google Akademik'i kullanır ve ardından ödül komitesi, her makalenin alıntı kalitesini inceler ve ölçer. Gözden geçirme sürecindeki önemli bir kriter şudur: makale, insanların düşünme şeklini değiştirebilecek yeni ve önemli fikirler sunmalıdır.
İlk yazar için ödülü kazanan makaleler şunları içerir:
-
"Destek Vektör Makinesi Sınıflandırıcısı" (2018), yazarlar: Liu Qiuge (Çin Bilimler Akademisi), He Qing (Çin Bilimler Akademisi), Shi Zhongzhi (Çin Bilimler Akademisi).
-
"Düşük Yoğunluklu Modeller için Aykırı Değer Algılamalarının Etkinliğinin Arttırılması" (2012), yazan: Tang Jie (Tsinghua Üniversitesi), Zhixiang Chen (Purdue Üniversitesi), Ada Wai-Chee Fu (Hong Kong Çin Üniversitesi), David Wai-Lok Cheung (Hong Kong üniversitesi).
PAKDD'nin önemli bir ödülü olan bu yılki "En İyi Bildiri Ödülü", "En İyi Öğrenci Bildirisi Ödülü" ve "En İyi Uygulamalı Bildiri Ödülü" en iyi üç bildiri ödülü de büyük ilgi gördü.
"En İyi Kağıt Ödülü"
Bu yılki "En İyi Kağıt Ödülü", Profesör Yang Qiang'ın rehberliğinde Hong Kong Bilim ve Teknoloji Üniversitesi'nden Zhang Yinghua ve Zhang Yu tarafından tamamlanan "Derin Sinir Ağları için Parametre Aktarım Birimi" makalesine verildi.
"En İyi Öğrenci Bildirisi Ödülü"
Bu kez "En İyi Öğrenci Makalesi Ödülü" nü kazanan makale, Profesör Zhou Zhihua'nın rehberliğinde Nanjing Üniversitesi'nden Heng-Yi Li ve Ming Li tarafından ortaklaşa tamamlanan "Çeşitli yazılım kusur madenciliği görevleri için yeniden kullanılabilir bir modele doğru".
"En İyi Başvuru Bildirisi Ödülü" (En İyi Başvuru Bildirisi Ödülü)
"En İyi Uygulamalı Kağıt Ödülü", Jianfei Zhang, Shengrui Wang, Lifei Chen, Gongde Guo, Rongbo Chen ve Alain Vanasse tarafından ortaklaşa tamamlanan "Zamana Bağlı Kalan Yararlı Yaşam Tahmini için Zamana Bağlı Hayatta Kalma Sinir Ağı" adlı kağıt tarafından kazanıldı.
Ayrıca konferansın son gününde kazanan sonuçları açıklayan PAKDD 2019'un 4. AutoML Challenge'ı da dikkat çekicidir.
Otomatik Makine Öğrenimi Yarışması (AutoML Challenge)
PAKDD 20194. AutoML Challenge'ın teması "Hayat Boyu Makine Öğrenimi için AutoML" dir. Bu yarışma, yarışmacıların otomatik bir tahmine dayalı model oluşturmasını (herhangi bir insan müdahalesi olmadan) ve bunu ömür boyu makine öğreniminde kullanmasını gerektirir ( Modeli eğitmek ve değerlendirmek için Yaşam Boyu Makine Öğrenimi) ayarları. Toplam 127 takımın katıldığı bu yarışmada 31 takım finallere katılırken, bu yarışmada 550'den fazla öneri alındığı bildirildi.
Kazanan takım:
-
Şampiyon: "DeepBlueAI", Luo Zhipeng, Huang Jianqiang, Chen Mingjian (DeepBlue Teknolojisi)
-
İkincisi: "ML Intelligence", Bao Mengjiao, Hui Xue, Yihuan Mao, Yujing Wang (Microsoft Research Asia and Beihang University)
-
Üçüncülük: "Meta_Learners", Xiong Zheng, Jiang Jiyan, Zhang Wenpeng (Tsinghua Üniversitesi)
Yukarıdakiler, PAKDD 2019'un tüm temel içerikleridir. Takip Leifeng.com AI Technology Review, size canlı raporlar sunmak için büyük uluslararası akademik zirvelere de gidecek, bu yüzden bizi izlemeye devam edin!
