下載客戶端

登錄

KDD2021多個獎項出爐：斯坦福博士摘得學位論文獎，北航校友胡俠獲新星獎

2021-08-08 07:59

來源：澎湃新聞·澎湃號·湃客

機器之心報道

機器之心編輯部

在 KDD 2021 線上開幕之前，多個獎項已正式公布。斯坦福博士 Aditya Grover 獲得了學位論文獎，北航校友 Xia “Ben” Hu 獲得了新星獎，字節跳動 AML 研究團隊 Chong Wang 的一篇 KDD 2011 論文獲得了時間檢驗研究獎。

近日，國際數據挖掘頂會 KDD 2021 公布了多個獎項，包括數據科學、機器學習、大數據和人工智能領域的優秀個人和研究團隊，其中多位華人學者獲獎。

今年的 KDD 大會將于太平洋標準時間 8 月 14 日到 18 日以線上方式召開，議程將包括主題演講、專題小組、特邀報告、精選研究、workshop 等。

今年的 KDD 大會共計收到 1541 篇有效投稿，其中 238 篇論文被接收，接收率為 15.4%，相比去年的接收率 16.9% 有所下降。

獎項公布詳情如下：

創新獎

創新獎是 KDD 大會中頗具分量的獎項，旨在表彰在數據發現和數據挖掘領域做出杰出技術貢獻的研究者，這些貢獻對促進理論和 / 或商業系統的發展產生了持久的影響。它是數據發現和數據挖掘領域的最高技術獎項，獲獎者通常為某一領域的學術領袖。

獲得 KDD 2021 創新獎的是微軟公司的 Johannes Gehrke 博士，獲獎理由為「他在新的數據挖掘算法和數據隱私方面的杰出貢獻」。

Johannes Gehrke 是 Redmond 的技術研究員和研究總監，也是智能通信和對話云 (IC3) 的首席技術官和機器學習主管，IC3 為微軟團隊提供支持。直到 2020 年 6 月，Johannes Gehrke 一直領導 IC3 的架構工作和機器學習工作。他的研究興趣在數據庫系統、分布式系統和機器學習領域，曾獲得美國國家科學基金會職業獎、斯隆獎、洪堡研究獎、2011 年 IEEE 計算機協會技術成就獎。

服務獎

SIGKDD 服務獎旨在表彰在數據發現和數據挖掘領域提供杰出服務的個人或團隊，包括專業協會和會議的運營、學生和專業人士的教育、資助研發活動等專業服務。

KDD 2021 服務獎的獲得者為領英的俞詩鵬博士。俞詩鵬在北京大學取得學士和碩士學位，后在慕尼黑大學獲得博士學位。目前，俞詩鵬領導領英的 Communications AI 團隊，該團隊負責以人工智能引擎推動領英用戶參與度的增長和用戶留存率。

俞詩鵬曾擔任 2017 年 KDD 的總主席，目前是 SIGKDD 的贊助總監，負責監督 KDD 年度會議和其他數據挖掘社區活動的贊助工作。

學位論文獎

ACM SIGKDD 學位論文獎旨在表彰數據科學、機器學習和數據挖掘領域優秀畢業生的杰出工作。

Aditya Grover 是斯坦福大學的博士畢業生（2020 年畢業。他的博士論文《Learning to Represent and Reason Under Limited Supervision》獲得 KDD 2021 學位論文獎。

論文地址：https://stacks.stanford.edu/file/druid:jv138zg1058/Thesis-augmented.pdf

自然智能體，例如人類，擅長構建世界的表征并使用它們來有效地進行推理和做出決策。并且即使是在監督非常受限的環境下，人們也能具備這種高級推理能力。與此形成鮮明對比的是，基于機器學習 (ML) 的人工智能的目前最主要的成功是在能夠訪問大型標記數據集或模擬器的條件下（例如目標識別和游戲）。該論文的研究重點是概率建模框架，旨在縮小自然智能體和人工智能體之間的差距，從而在監督受限的場景中實現有效推理。

該論文由三部分組成。首先，該論文正式為學習概率生成模型奠定了基礎。該研究的目標是模擬任何可用數據，從而即使在監督有限的環境中也能提供自然的學習目標。該研究探討了使用一些模型進行高維學習和推理的各種權衡，包括學習目標的具體選擇、優化程序和參數模型族。基于這些見解，研究者提出了新算法來提高 SOTA 模型的性能，并在大型未策劃和未標記數據集上進行訓練時減少它們的偏置。其次，該研究擴展這些模型來學習關系數據的特征表征。學習這些表征是無監督的，該研究展示了它們在分類和序列決策任務中的效用。最后，該研究展示了這些模型在加速科學發現方面的兩個實際應用：

學習壓縮感知的數據相關先驗；

優化電池充電的實驗設計。

該研究使得 ML 系統能夠克服現實世界中高維推理和決策問題的關鍵監督瓶頸。

Aditya Grover 現任 Facebook AI Research 的 Core ML 團隊的研究科學家。他還與加州大學伯克利分校的 Pieter Abbeel 合作，擔任訪問博士后研究員。今年秋季，他將加入加州大學洛杉磯分校，擔任計算機科學助理教授。Aditya 的研究圍繞機器學習進行概率建模、無監督表示學習和序列決策，并在物理科學和氣候變化的交叉點上應用。

學位論文獎亞軍

獲得學位論文獎亞軍的是來自加州大學的 Shweta Jain，獲獎論文是《Counting Cliques in Real-World Graphs》。

論文地址：https://escholarship.org/content/qt8m61g6b6/qt8m61g6b6.pdf?t=q9lka1&v=lg

團（clique）是網絡科學中的重要結構，已被用于許多應用程序，包括垃圾郵件檢測、圖形分析、圖形建模、社區檢測等。由于組合爆炸，在具有數百萬個節點和邊的圖中獲取 k-clique 的數量是一個具有挑戰性的問題。本質上，隨著 k 的增加，k-clique 的數量呈指數增長，并且不知道如何在不枚舉的情況下計算它們。大多數現有方法無法計算 k > 5 的 k-clique。

完成全局 k-clique 計數具有挑戰性，獲取每個邊或頂點所屬 k-clique 的數量（稱為局部 k-clique 計數）更是如此。在該研究中，研究者提出了一組新方法來有效計算大型圖中 k-clique 的數量，這些方法在實踐和理論上都改進了現有技術。

該研究提出的第一種方法是一種稱為 TuránShadow 的隨機算法，它使用極值組合學的知識來估計 k ≤ 10 的 k-clique 計數，比 SOTA 方法更快、更準確幾個數量級。該研究進一步使用這團的計數機制來計算 near-clique——缺少一些邊的團。研究者在一個應用程序中展示了如何超越邊并結合高階結構（如 k-clique）的信息產生比現有方法更具人類可讀性的圖形可視化。

該研究提出的第二種方法叫 Pivoter，該方法能夠對所有 k 值的所有全局和局部 k-clique 進行計數，其時間是所有其他方法（包括并行計算方法和近似方法）所用時間的一小部分。此外，它將 clique 計數的最壞情況運行時間從 O(2n ) 提高到 O(3n/3 )，并證明確實可以在不枚舉的情況下對 clique 進行計數。

值得一提的是，該方法使用一種稱為 pivoting 的經典方法，大大減少了團的搜索空間。使用該算法，該研究首次實現了獲取之前無法進行團計數的幾個圖的 k-clique 計數。隨著數據的增加，挑戰也將隨之增加。研究者在論文中強調了某些未解決的問題和未來的探索方向，以使團計數在現實世界的大型圖形上更易于實現。

Shweta Jain 是伊利諾伊大學厄巴納 - 香檳分校的博士后研究員，與 Hanghang Tong 教授一起工作。她在加利福尼亞大學圣克魯茲分校獲得了計算機科學博士學位，導師為 Seshadhri Comandur 教授。Shweta Jain 的研究興趣在于隨機化和近似算法、組合優化、圖挖掘和海量數據的算法。

榮譽提名

今年的學位論文獎還有一位榮譽提名，來自帕多瓦大學的 Leonardo Pellegrain 獲得了這份榮譽，提名論文是《Rigorous and Efficient Algorithms for Significant and Approximate Pattern Mining》。

論文地址：http://www.dei.unipd.it/~pellegri/thesis/leonardo_pellegrina_tesi.pdf

Leonardo 是帕多瓦大學信息工程系的博士后研究員。他的研究致力于為數據中的知識和模式發現提供新穎高效的、統計上可靠的算法。

新星獎

新星獎旨在獎勵博士畢業五年內取得突出成果的研究者，今年的獲獎者為萊斯大學計算機科學系副教授、北航校友 Xia “Ben” Hu。

Xia “Ben” Hu（胡俠）在北京航空航天大學獲得了學士和碩士學位，目前已經在多個頂級學術會議發表了超過 100 篇論文，包括 NeurIPS、ICLR、KDD、WWW、IJCAI、AAAI 等。其團隊 AutoKeras 開發的開源軟件包已經成為 Github 上使用最多的自動化深度學習系統 (擁有 8000 多星標和 1000 個分支)。此外，他在深度協同過濾、異常檢測和知識圖表方面的工作分別被收錄到 TensorFlow 包、蘋果生產系統和必應生產系統中。Xia Hu 的論文獲得了 WWW、 WSDM 和 ICDM 等頒發的最佳論文(候選人) 獎，同時他也是美國國家科學基金會職業獎的獲得者。

除此之外，KDD 也同時公布了時間檢驗研究獎（Test of Time Award for Research）和時間檢驗應用科學獎（Test of Time Award for Applied Science）。

時間檢驗研究獎

SIGKDD 時間檢驗獎旨在表彰過去十年對數據挖掘研究社區產生重大影響且目前仍被引作新研究分支基礎的 KDD 大會杰出論文。今年的時間檢驗研究獎頒給了一篇主題為推薦的論文，是 Chong Wang、David M. Blei 合著的《Collaborative topic modeling for recommending scientific articles(KDD 2011)》。

Chong Wang 在普林斯頓大學計算機科學系獲得了博士學位，曾在谷歌任職研究科學家。目前，他在字節跳動擔任應用機器學習 (AML) 研究團隊的負責人，該團隊致力于將基礎機器學習研究在 Tik Tok、抖音產品中的應用。

時間檢驗應用科學獎

SIGKDD 時間檢驗應用科學獎旨在表彰在現實世界應用中產生真正影響的數據科學研究工作。今年的時間檢驗應用科學獎頒給了谷歌關于實驗基礎設施設計的一篇經典論文，是 Diane Tang、Ashish Agarwal、Deirdre O’Brien、Mike Meyer 合著的《Overlapping experiment infrastructure: more, better, faster experimentation(KDD 2010)》。