亚洲男人的天堂2018av,欧美草比,久久久久久免费视频精选,国色天香在线看免费,久久久久亚洲av成人片仓井空

講座題目

從海量文本中構建和挖掘異構信息網絡：Constructing and Mining Heterogeneous Information Networks from Massive Text

講座簡介

真實世界的數據主要以非結構化文本的形式存在。數據挖掘研究的一個重大挑戰是開發有效且可伸縮的方法，將非結構化文本轉換為結構化知識。根據我們的設想，將這些文本轉換成結構化的異構信息網絡是非常有益的，在這種網絡上，可以根據用戶的需要生成可操作的知識。在本教程中，我們將全面概述最近在這方面的研究和發展。首先，我們介紹了一系列有效的方法，從海量的、特定于領域的文本語料庫中構建異構信息網絡。然后討論了基于用戶需求挖掘文本豐富網絡的方法。具體來說，我們關注的是可伸縮的、有效的、弱監督的、與語言無關的方法，這些方法可以處理各種文本。在真實的數據集（包括新聞文章、科學出版物和產品評論）上，我們進一步展示了如何構建信息網絡，以及如何幫助進一步的探索性分析。

講座嘉賓

Jingbo Shang（尚景波），伊利諾伊大學香檳分校計算機科學系博士生。他的研究重點是用最少的人力從大量文本語料庫中挖掘和構建結構化知識。他的研究獲得了多項著名獎項的認可，包括Yelp數據集挑戰大獎（2015）、谷歌結構化數據和數據庫管理博士研究金（2017-2019）。尚先生在大型會議（SIGMOD'17、WWW'17、sigmdd'17和sigmdd'18）上提供教程方面有豐富的經驗。

講座題目

虛假新聞研究：理論、發現策略與開放性問題：Fake News Research: Theories, Detection Strategies, and Open Problems

講座簡介

虛假新聞的爆炸性增長及其對民主、正義和公眾信任的侵蝕，增加了對虛假新聞研究的需求。本教程的目標是 （一）明確介紹虛假新聞的概念和特征，以及如何與其他類似概念如虛假/諷刺新聞、mis-/dis信息等進行形式區分，有助于加深對虛假新聞的認識； （二）對跨學科的基本理論進行全面審查，說明如何利用這些理論進行跨學科的虛假新聞研究，促進計算機與信息科學、政治學、新聞學、社會科學、心理學和經濟學等領域的專家協同努力。這樣的協同工作能夠高效、可解釋地發現虛假新聞； （三）系統地從四個角度（即知識、風格、傳播和可信度）提出虛假新聞檢測策略，以及每一個角度利用數據/圖形挖掘、機器學習、自然語言處理、信息檢索等技術的方法 （四）詳細介紹當前虛假新聞研究中存在的問題，揭示其巨大的潛在研究機會，希望能吸引更廣泛領域的研究人員開展虛假新聞檢測工作，進一步促進其發展。 本教程旨在促進一個公平、健康、安全的網絡信息和新聞傳播生態系統，希望能吸引更多的研究人員、工程師和各種興趣的學生進行虛假新聞研究。

講座嘉賓

Reza Zafarani是錫拉丘茲大學EEC的助理教授。Reza的研究興趣是社交媒體挖掘、數據挖掘、機器學習和社交網絡分析。他的研究重點一直放在應對大規模數據分析的挑戰上，以增強大數據的科學發現過程，特別是在社交媒體中。這些挑戰包括沒有基本事實的評估、快速識別大量數據集中的相關信息、利用有限信息進行學習、大規模用戶行為分析和建模，以及跨多個數據源的信息集成和建模。他的研究成果已在各大學術機構發表，并在多家科學機構得到了強調。雷扎是《社交媒體挖掘：導論》一書的主要作者，該書由劍橋大學出版社和SIGKDD探索與傳播前沿聯合編輯編寫。他是亞利桑那州立大學校長創新獎和優秀教學獎的獲得者。

主題： Storytelling from Structured Data and Knowledge Graphs : An NLG Perspective

摘要： 在本教程中，我們討論將結構化數據（如表格形式的數據）和知識庫（如知識圖譜）翻譯成自然語言論述的基礎、方法和系統開發方面。本教程涵蓋自然語言生成（NLG）的挑戰和方法，主要關注（結構化）數據到文本的范式。我們的與會者將能夠了解以下內容：（1）關于如何應用現代自然語言處理和自然語言處理技術來描述和總結非語言性質或具有某種結構的文本數據的基本觀點和趨勢，以及（2）一些有趣的開放式問題，這將為今后的研究做出重大貢獻。我們將概述各種方法，從數據表示技術到適用于數據的領域解決方案，再到文本問題設置。從傳統的基于規則/啟發式驅動、現代的數據驅動和超現代的深層神經風格體系結構出發，討論了各種解決方案，并簡要討論了評價和質量評估。 由于大規模的領域獨立標記（并行）數據很少用于數據到文本的問題，本教程的很大一部分將致力于無監督、可伸縮和領域適應性的方法。

邀請嘉賓：

Abhijit Mishra，目前是印度班加羅爾IBM Research的一員，擔任人工智能技術系的研究科學家。在加入IBM Research之前，他是孟買IIT計算機科學與工程系（CSE）的博士學者，在Pushpak Bhattacharyya教授的指導下工作。

Anirban Laha，他目前是亞倫·庫爾維爾教授建議的蒙特勒大學（MILA）一年級博士生。他的興趣在于機器學習/深度學習在自然語言處理中的應用。此前，他在IBM Research的自然語言生成（NLG）項目中工作了三年，并在頂級會議和期刊上發表過論文，如NeurIPS、ACL、NAACL-HLT和計算語言學。在IBM，他還為IBM項目辯論會做出了貢獻，該會最近在全球范圍內獲得了廣泛的新聞報道，因為一場現場機器與人類的辯論（更多新聞）。在加入IBM之前，他曾在微軟必應廣告公司（2013-2015）擔任應用科學家，在亞馬遜網站（2010-2011）擔任SDE。

主題：Deep Learning for Graphs: Models and Applications

摘要：圖提供了多種類型的數據的通用表示，而深度學習在表示學習方面顯示了巨大的能力。因此，用圖連接深度學習提供了機會，使各種現實世界問題的通用解決方案成為可能。然而，傳統的深度學習技術對常規網格數據(如圖像和序列)具有破壞性，因此不能直接應用于圖結構數據。因此，將這兩個領域結合起來面臨著巨大的挑戰。在本教程中，我將全面概述圖深度學習的最新進展，包括模型和應用。特別地，我將介紹一些基本概念，回顧最先進算法，并舉例說明各種重要的應用。最后，我將通過討論開放問題和挑戰來總結本教程。

嘉賓簡介：唐繼良（Jiang Tang）自2016年秋季@起擔任密歇根州立大學計算機科學與工程系的助理教授。在此之前，他是Yahoo Research的研究科學家，并于2015年從亞利桑那州立大學獲得博士學位。他的研究興趣包括社交計算，數據挖掘和機器學習及其在教育中的應用。他曾獲得2019年NSF職業獎，2015年KDD最佳論文亞軍和6項最佳論文獎，包括WSDM2018和KDD2016。他是會議組織者（例如KDD，WSDM和SDM）和期刊編輯（例如TKDD）。他的研究成果發表在高排名的期刊和頂級會議論文集上，獲得了數千篇引文（Google學術搜索）和廣泛的媒體報道。

PPT鏈接：//pan.baidu.com/s/1TMv5YsQbwPcRzGy-BkY-bg

主題： Building Useful Recommender Systems for Tourists

簡介： 推薦系統是信息搜索和過濾工具，應為要使用的項目提供建議。 最先進的推薦系統利用數據挖掘和信息檢索技術來預測商品在多大程度上適合用戶的需求和需求，但是通常它們最終會提出明顯而無趣的建議，尤其是在復雜領域（例如旅游業）。 在演講中，將介紹典推薦器系統的思想和技術。 我們將討論為游客建立有用的推薦系統所需的一些關鍵要素。 因此，我們將指出推薦系統研究的一些局限性和挑戰。 然后，我們將介紹一些新穎的技術，這些技術利用從觀察到的游客行為中收集的數據來生成更有用的個人和團體推薦。

嘉賓介紹： Francesco Ricci博士是Bozen-Bolzano自由大學（意大利）的正教授兼計算機科學學院院長。他與他人共同編輯了《推薦系統手冊》（Springer，2011年，2015年），并作為ACM推薦系統會議（2007年至2010年）指導委員會主席在社區中積極工作。他（2000年至2006年）曾是ITC-irst（意大利特倫托）的電子商務和旅游業研究實驗室（eCTRL）的高級研究員和技術總監。從1998年到2000年，他是Sodalia s.p.a.的研究和技術部門的系統架構師。

題目： TextCube: Automated Construction and Multidimensional Exploration

簡介： 當今社會沉浸在大量文本數據中，從新聞文章到社交媒體，研究文獻，病歷和公司報告。數據科學和工程學的一大挑戰是開發有效且可擴展的方法，以從海量文本數據中提取結構和知識，以滿足各種應用的需要，而無需廣泛的人工注釋。在本教程中，我們將展示TextCube提供了一種可以滿足此類信息需求的關鍵信息組織結構。我們概述了一組最近開發的數據驅動方法，這些方法可幫助從大規模的特定于領域的文本語料庫自動構建TextCube，并表明如此構建的TextCube將增強各種應用程序的文本探索和分析。我們專注于可擴展，弱監督，獨立于域，與語言無關且有效的新TextCube構建方法（即從各種領域的大型語料庫生成高質量的TextCube）。我們將用真實的數據集演示如何構造TextCube來協助對大量文本語料庫進行多維分析。

嘉賓介紹： 韓家煒，美國伊利諾伊大學香檳分校計算機系教授，IEEE和ACM院士，美國信息網絡學術研究中心主任。曾擔任KDD、SDM和ICDM等國際知名會議的程序委員會主席，創辦了ACM TKDD學報并任主編。在數據挖掘、數據庫和信息網絡領域發表論文600余篇。 韓家煒主頁：//hanj.cs.illinois.edu/

Jingbo Shang， 伊利諾伊州香檳分校博士。 他的研究專注于以最少的人力從大量文本語料庫中挖掘和構建結構化知識。 他的研究獲得了多個著名獎項的認可，包括Yelp數據集挑戰賽的大獎（2015年），Google博士在結構化數據和數據庫管理領域的獎學金（2017-2019年）。

題目： Machine Learning Meets Big Spatial Data

簡介： 生成數據量的激增推動了可伸縮的機器學習解決方案的興起，從而可以有效地分析此類數據并從中提取有用的見解。同時，近年來，空間數據已經變得無處不在，例如GPS數據。大空間數據的應用涉及廣泛的領域，包括跟蹤傳染病，模擬氣候變化，吸毒成癮等等。因此，通過提供對現有機器學習解決方案的空間擴展或從頭開始構建新的解決方案，人們付出了巨大的努力來支持這些應用程序內部的有效分析和智能。在這個90分鐘的教程中，我們全面回顧了機器學習和大空間數據交匯處的最新技術。我們涵蓋了機器學習三個主要領域中的現有研究工作和挑戰，即數據分析，深度學習和統計推斷，以及兩個高級空間機器學習任務，即空間特征提取和空間采樣。我們還強調了該領域未來研究中存在的開放性問題和挑戰。

嘉賓介紹： Ibrahim Sabek是明尼蘇達大學計算機科學與工程系的博士候選人。 他獲得了理學碩士學位。 他于2017年在同一部門獲得博士學位。他的研究興趣在于大空間數據管理，空間計算和可伸縮機器學習系統之間的交叉領域。 易卜拉欣已獲得ACM SIGSPATIAL 2018最佳論文獎的提名，并獲得了ACM SIGMOD學生研究競賽（SRC）2017決賽階段的資格。在博士期間，他與NEC Labs America和Microsoft Research（MSR）合作 ）。 易卜拉欣在ACM TSAS，IEEE ICDE，ACM SIGSPATIAL，IEEE TMC等頂級研究機構發表了許多論文，并在VLDB和ACM SIGMOD上展示了他的工作。

Mohamed F.Mokbel是卡塔爾計算研究所的首席科學家，也是明尼蘇達大學的教授。 他目前的研究興趣集中于大空間數據和應用程序的系統和機器學習技術。 他的研究工作已獲得VLDB十年最佳論文獎，四個會議最佳論文獎和NSF職業獎。 除了在其他社區的一線場所（包括IEEE ICDM和ACM CCS）的教程之外，穆罕默德還在VLDB / SIGMOD / ICDE / EDBT會議上提供了六篇教程。 這些教程都不會與本教程建議重疊。 穆罕默德（Mohamed）是ACM SIGPATIAL的當選主席，目前是分布式和并行數據庫期刊的主編，并且是ACM Books，ACM TODS，VLDB Journal，ACM TSAS和GoeInformatica期刊的編輯委員會成員。

題目： Safe Machine Learning

簡介：

隨著我們將ML應用到越來越多的現實任務中，我們正在走向一個ML將在未來社會中扮演越來越重要角色。因此，解決安全問題正成為一個日益緊迫的問題。一般來說，我們可以將當前的安全研究分為三個領域:規范、健壯性和保證。規范關注于調查和開發技術，以減輕由于目標僅僅是期望的替代者而可能出現的系統不期望的行為。這種情況可能會發生，例如，當對包含歷史偏差的數據集進行訓練時，或者在真實環境中嘗試度量增強學習智能體的進度時魯棒性處理在推斷新數據和響應敵對輸入時處理系統故障。

Assurance涉及到開發方法，使我們能夠理解本質上不透明和黑箱的系統，并在操作期間控制它們。本教程將概述這三個領域，特別關注規范，更具體地說，關注增強學習智能體的公平性和一致性。其目的是激發從事不同安全領域的研究人員之間的討論。

邀請嘉賓：

Silvia Chiappa是DeepMind機器學習方面的研究科學家。她擁有數學文憑和機器學習博士學位。在加入DeepMind之前，Silvia Chiappa曾在馬克斯-普朗克智能系統研究所的經驗推理部門、微軟劍橋研究院的機器智能與感知小組以及劍橋大學的統計實驗室工作。她的研究興趣是基于貝葉斯和因果推理，圖形模型，變分推理，時間序列模型，ML公平性和偏差。

Jan Leike是DeepMind的高級研究科學家，他在那里研究智能體對齊問題。他擁有澳大利亞國立大學的計算機科學博士學位，在那里他致力于理論強化學習。在加入DeepMind之前，他是牛津大學的博士后研究員。Jan的研究興趣是人工智能安全、強化學習和技術人工智能治理。