報告主題:Coupling Everything: A Universal Guideline for Building State-of-The-Art Recommender Systems

簡介:

如今,人工智能(AI)的複興引起了世界各地的廣泛關注。特別是機器學習方法已經深入到幾乎人工智能研究的所有領域,如自然語言處理(NLP),計算機視覺(CV)和規劃。特別是推薦係統(RS),作為應用最廣泛的人工智能係統之一,已經融入了我們日常生活的方方麵麵。在這個人工智能時代,最先進的機器學習方法,例如深度學習,已經成為建模高級RSs的主要選擇。需要注意的是,不同的數據是RSs執行不同推薦任務的動力來源。

經典的RSs是建立在相關數據(如評分或內容)是獨立同分布(IID)的假設上的,而IID存在許多問題,如冷啟動和數據稀疏。因此,許多最先進的RSs都通過整合不同的信息來增強機器學習技術。本教程將分析高級推薦問題中的數據、挑戰和業務需求,並從非獨立同分布的角度介紹機器學習的最新進展,從而為下一代RSs建模。這包括總體的RS進化和推薦中的非獨立同分布性,社會RS的高級機器學習,基於分組的RS,基於會話的RS,跨域RS,上下文感知RS,多模態RS,多標準RS,在用戶、項目、上下文、模式和標準之間的模型各種耦合方麵。

邀請嘉賓:

Liang Hu,澳大利亞悉尼科技大學高級分析研究所研究員。他的研究興趣包括推薦係統、數據挖掘、機器學習、表示學習和一般人工智能。在推薦係統領域的頂級國際會議和期刊上發表了多篇論文,包括WWW、IJCAI、AAAI、ICDM、ICWS、TOIS、JWSR。他在頂級會議上發表過幾篇教程,包括IJCAI、AAAI和PAKDD。

操龍兵教授中科院模式識別與智能係統博士,悉尼科技大學計算科學博士。先在中國任圖書編輯、市場策略研究、商業智能公司首席技術官,後轉至澳洲任講師、高級講師、副教授與教授(2009年)等至今。現任 澳大利亞悉尼科技大學工程與信息技術學院教授,是 悉尼科技大學高級分析研究所(Advanced Analytics Institute)的創所所長,中科院海外評審專家、中國科學技術大學與上海交通大學等高校的客座教授,被上海證券交易所多次聘為高級金融專家、深交所聘為博士後指導老師。IEEE數據科學與先進分析學任務組主席,IEEE行為、經濟與社會文化計算任務組主席,ACM SIGKDD澳大利亞新西蘭分會發起人與主席,澳洲資本市場聯合研究中心(CMCRC)數據挖掘方向研究帶頭人, IEEE數據科學與先進分析學DSAA大會發起人。IEEE計算機分會,係統、人與控製分會以及計算智能分會高級會員,包括ACM Computing Surveys等多個學術刊物的編委與特刊編輯、International Journal of Data Science and Analytics創刊主編,IEEE Intelligent Systems副主編;KDD2015, DSAA2015, PAKDD2013與ADMA2013大會主席,IJCAI、ICDM、PAKDD與DSAA等程序委員會主席、副主席/領域主席等,包括KDD、IJCAI、AAAI與AAMAS等在內的100多個國際會議的SPC/PC委員。專著4部、編著4部、論文集15部、期刊與會議論文300多篇。

成為VIP會員查看完整內容
0
8
0

相關內容

在數據庫中,稀疏數據是指在二維表中含有大量空值的數據;即稀疏數據是指,在數據集中絕大多數數值缺失或者為零的數據。稀疏數據絕對不是無用數據,隻不過是信息不完全,通過適當的手段是可以挖掘出大量有用信息。

** 簡介:**

推薦方法構造了預測模型,以估計用戶與項目交互的可能性。先前的模型在很大程度上遵循一般的監督學習範式-將每個交互視為一個單獨的數據實例,並基於“信息孤島”進行預測。但是,此類方法忽略了數據實例之間的關係,這可能導致性能欠佳,尤其是對於稀疏場景。此外,建立在單獨數據實例上的模型幾乎無法顯示出推薦背後的原因,從而使過程難以理解。

在本教程中,我們將從圖學習的角度重新審視推薦問題。可以將用於推薦的通用數據源組織成圖形,例如用戶-項目交互(二分圖),社交網絡,項目知識圖(異構圖)等。這種基於圖的組織將孤立的數據實例連接起來,從而為利用高階連通性帶來了好處,這些高階連通性對有意義的模式進行了編碼,以進行協作過濾,基於內容的過濾,社會影響力建模和知識感知推理。結合圖神經網絡(GNN)的最新成功,基於圖的模型已展現出成為下一代推薦係統技術的潛力。本教程對基於圖的學習方法進行了回顧,以提出建議,特別關注GNN的最新發展和知識圖譜增強的建議。通過在本教程中介紹這個新興而有前途的領域,我們希望觀眾可以對空間有深入的了解和準確的見解,激發更多的想法和討論,並促進技術的發展。

目錄:

作者簡介:

王翔是新加坡國立大學(NUS)計算機學院的研究員。 他獲得了博士學位。 他於2019年獲得國大計算機科學博士學位。他的研究興趣包括推薦係統,信息檢索和數據挖掘。 在SIGIR,KDD,WWW和AAAI等頂級會議上,他擁有20多種出版物,包括TOIS和TKDE等期刊。 他曾擔任CCIS 2019的本地主席,包括SIGIR,CIKM和MM在內的頂級會議的PC成員以及TKDE和TOIS等著名期刊的定期審稿人。

成為VIP會員查看完整內容
0
51
2

題目主題:Small Data Challenges in Big Data Era: Unsupervised and Semi-Supervised Methods

簡介:在本教程中,我們將回顧在訓練深度神經網絡中使用有限帶注釋的數據克服小數據挑戰的最新進展。我們將以無監督和半監督的方法來複習文獻,包括基本原理,標準,考慮因素和網絡設計,並希望對如何有效利用大量未標記的數據促進模型訓練和推斷提供一些啟示。

小數據挑戰已經在許多學習問題中出現,因為深度神經網絡的成功通常依賴於大量標記數據的可用性,而這些數據收集起來很昂貴。為了解決這些挑戰,以無監督和半監督的方式訓練帶有小數據的複雜模型方麵已經做出了很多努力。在本教程中,我們將回顧這兩種主要方法的最新進展。各種各樣的小型數據模型將被概括為一幅大圖,在這裏我們將展示它們如何相互作用。具體來說,我們將回顧學習變換等,自我監督和半監督表示形式的標準,這些標準為最近的發展奠定了基礎。

作者介紹:Guo-Jun Qi是華為的首席科學家,領導並監督著多個智能雲服務領域的國際研發團隊,包括智能城市,視覺計算服務,醫療智能服務和互聯車輛服務。 他自2014年8月起擔任佛羅裏達大學計算機科學係的教授,並擔任機械感知與學習(MAPLE)實驗室的主任。在此之前,他還是研究人員在IBM TJ紐約州約克敦高地的沃森研究中心。他的研究興趣包括從多模式數據源(例如圖像,視頻,文本和傳感器)中進行機器學習和知識發現,以構建智能,可靠的信息和決策係統。他的研究得到了政府機構和行業合作者(包括NSF,IARPA,微軟,IBM和Adobe)的資助和項目的讚助。

Jiebo Luo在柯達研究實驗室工作了十五年多之後,於2011年秋天加入羅切斯特大學,在那裏他是負責研究和先進開發的高級首席科學家。 他參加過許多技術會議,並擔任ACM Multimedia 2010,IEEE CVPR 2012,ACM ICMR 2016和IEEE ICIP 2017的程序聯席主席。研究方向為智能係統和技術交易,模式識別,機器視覺和應用,知識和信息係統以及電子成像雜誌。 羅博士是SPIE,IAPR,IEEE,ACM和AAAI的會員。

大綱介紹:

  • 回顧:小樣本數據
  • 無監督
    • TER
      • 等價圖卷積
      • 自編碼器轉換
    • 生成表示
      • 自編碼器介紹
      • 基於GAN的表示
      • 生成模型
    • 自監督方法
  • 半監督
    • 半監督生成模型
      • 半監督自編碼器
      • 半監督GAN
      • 半監督Disentangled 表示
    • teacher-student模型
      • 嘈雜teacher
      • teacher集成
      • 對抗teacher
成為VIP會員查看完整內容
0
15
0

報告主題:Frontiers in Network Embedding and GCN

報告摘要:如今,越來越多的網絡廣泛地用於應用程序中。 眾所周知,網絡數據既複雜又具有挑戰性。 為了有效地處理圖形數據,第一個關鍵挑戰是網絡數據表示,即如何正確表示網絡,以便可以在時間和空間上高效執行高級分析任務,例如模式發現,分析和預測。 在本次演講中,我將介紹網絡嵌入和GCN的最新趨勢和成就,包括解散的GCN,反攻擊GCN以及用於網絡嵌入的自動機器學習。

邀請嘉賓:崔鵬 清華大學計算機係長聘副教授,博士生導師。研究興趣聚焦於大規模網絡表征學習以及大數據驅動的因果推理和穩定預測。近5年在數據挖掘及人工智能領域頂級會議發表論文100餘篇,先後5次獲得頂級國際會議或期刊論文獎,並先後兩次入選 數據挖掘領域頂級國際會議KDD最佳論文專刊。擔任IEEE TKDE、ACM TOMM、ACM TIST、IEEE TBD等國際期刊編委。曾獲得國家自然科學二等獎、教育部自然科學一等獎、電子學會自然科學一等獎、CCF-IEEE CS青年科學家獎、ACM中國新星獎。入選中組部萬人計劃青年拔 尖人才,並當選中國科協全國委員會委員。

成為VIP會員查看完整內容
0
19
1

報告主題:Learning and Reasoning on Graph for Recommendation

報告摘要:推薦方法構造了預測模型,以估計用戶與項目交互的可能性。先前的模型在很大程度上遵循一般的監督學習範例-將每個交互視為一個單獨的數據實例,並基於“信息孤島”進行預測。但是,此類方法忽略了數據實例之間的關係,這可能導致性能欠佳,尤其是對於稀疏場景。此外,建立在單獨數據實例上的模型幾乎不能顯示出推薦背後的原因,從而使推薦過程難以理解。

在本教程中,我們將從圖學習的角度重新審視推薦問題。可以將推薦的通用數據源組織成圖形,例如用戶-項目交互(二分圖),社交網絡,項目知識圖(異構圖)等。這種基於圖的組織將孤立的數據實例連接起來,從而為利用高階連通性帶來了好處,這些高階連通性對有意義的模式進行了編碼,以進行協作過濾,基於內容的過濾,社會影響力建模和知識感知推理。結合圖神經網絡(GNN)的最新成功,基於圖的模型已展現出成為下一代推薦係統技術的潛力。本教程提供了有關基於圖的學習方法推薦的綜述,特別著重於GNN的最新發展和知識圖增強的推薦。通過在本教程中介紹這個新興而有前途的領域,我們希望觀眾可以對空間有深入的了解和準確的見解,激發更多的想法和討論,並促進技術的發展。

邀請嘉賓: 王翔,新加坡國立大學(NUS)計算機學院的研究員。 他獲得了博士學位。 他於2019年獲得國大計算機科學博士學位。他的研究興趣包括推薦係統,信息檢索和數據挖掘。 在SIGIR,KDD,WWW和AAAI等頂級會議上,他擁有20多種出版物,包括TOIS和TKDE等期刊。 他曾擔任CCIS 2019的本地主席,包括SIGIR,CIKM和MM在內的頂級會議的PC成員以及TKDE和TOIS等著名期刊的定期審稿人。

何向南,中國科技大學(USTC)教授。他獲得了博士學位。 2016年獲得新加坡國立大學(NUS)計算機科學博士學位。他的研究興趣涵蓋信息檢索,數據挖掘和應用機器學習。他在60多個頂級會議上發表了60多種出版物,這些會議包括SIGIR,WWW,KDD和MM,以及包括TKDE,TOIS和TNNLS在內的期刊。他在推薦器係統方麵的工作在WWW 2018和SIGIR 2016上獲得了最佳論文獎榮譽獎。此外,他還擔任過CCIS 2019的PC主席,MM 2019和CIKM 2019的區域主席,並且是多個頂級會議的PC成員,包括SIGIR,WWW,KDD等,以及TKDE,TOIS,TMM等期刊的定期審閱者。他具有豐富的教學經驗,包括在WWW 2018和SIGIR 2018中提供了“針對搜索和推薦匹配的深度學習”教程, SIGIR 2018中的教程“電子商務中的信息發現”,以及ICMR 2018中的教程“多媒體內容推薦技術”。

Tat-Seng Chua,是新加坡國立大學計算機學院的KITHCT講座教授。他擁有博士學位。來自英國利茲大學。 1998年至2000年,他擔任該學院的代理和創始院長。蔡博士的主要研究興趣是多媒體信息檢索和社交媒體分析。特別是,他的研究重點在於從網絡和多個社交網絡中提取和檢索文本和富媒體(QA)。他是NExT的聯合主任,NExT是NUS與清華大學之間的聯合中心,致力於開發實時社交媒體搜索技術。蔡博士因其對多媒體計算,通信和應用的傑出技術貢獻而榮獲2015年ACM SIGMM大獎。他是ACM國際多媒體檢索會議(ICMR)和多媒體建模(MMM)會議係列指導委員會主席。蔡博士還是ACM Multimedia 2005,ACM CIVR 2005,ACM SIGIR 2008和ACM Web Science 2015的聯合主席。他在四家國際期刊的編輯委員會任職。蔡博士是新加坡兩家技術初創公司的聯合創始人。

成為VIP會員查看完整內容
CIKM2019-graph-for-recommendation.pdf
0
41
3

報告主題:Enterprise Knowledge Graph From Specific Business Task to Enterprise Knowledge Management

報告摘要:數據驅動的知識圖譜已被不同的社會迅速適應。已經構造了許多開放域和特定領域的知識圖,並且許多行業都受益於知識圖。當前,企業相關知識圖被歸類為特定領域,但是其應用範圍從解決一個狹窄的特定問題到企業知識管理係統。隨著傳統產業的數字化轉型,企業知識變得越來越複雜,它涉及到來自公共領域,多個特定領域以及一般企業特定領域的知識。本教程概述了當前的企業知識圖(EKG)。它根據涵蓋的知識將EKG與特定域區分開來,並提供示例以說明EKG與特定域KG之間的區別。本教程進一步將EKG歸納為三種類型:特定業務任務企業KG,特定業務單位企業KG和跨業務單位企業KG,並說明了在構造和使用這三種類型的每種產品時的特征,步驟,挑戰以及未來的研究。

邀請嘉賓:

Rong Duan,目前是華為技術有限公司企業數據管理部首席數據科學家。她正在指導一個小組構建各種支持內部用戶的AI應用程序。在她的監督下,已經構造了多個企業知識圖。在加入華為之前,Rong是AT&T Labs的首席發明家,大數據研究和史蒂文斯理工學院的兼職教授。 Rong在AT&T實驗室工作了20多年,在統計學習,數據挖掘,預測建模和業務數據的數據分析方麵擁有豐富的經驗。 Rong分別從美國史蒂文斯理工學院獲得計算機工程和計算機科學博士學位和碩士學位。她的研究興趣包括數據挖掘,統計學習理論和方法,時空風險評估和管理,數據集成和數據質量評估。她是INFORMS數據挖掘部門的前任主席,以及INFORMS International Beijing的數據挖掘集群聯合主席。還擔任過第一屆和第二屆國際係統信息學和工程學研討會的程序聯席主席,ICDM的評委,DSAA,DASFAA,INFORMS等的導師。

肖仰華,博士,GDM@FUDAN負責人。於2009年獲得複旦大學計算軟件理論博士學位。複旦大學計算機學院教授、博導、青年973科學家、上海市互聯網大數據工程中心執行副主任、上海市數據科學重點實驗室知識圖譜研究室主任、省部級重點實驗室或工程中心專家委員、上市公司等規模企業高級技術顧問或首席科學家。主要研究興趣包括:大數據管理與挖掘、圖數據庫、知識圖譜等。曾訪問美國貝勒醫學院人類基因組測序中心從事海量基因序列數據管理研究,受到微軟“鑄星計劃”支持訪問微軟亞洲研究院從事十億規模大圖數據管理和知識圖譜的研究工作。曾獲得中國計算機學會2010年度優秀博士論文提名獎、教育部高校科研成果二等獎、CCF2014自然科學二等獎、ACM(CCF)上海傑出青年科學家提名獎。作為負責人承擔30多項各類國家課題與企業課題,受到國家自然科學基金委員會、科技部、教育部、發改委、上海市科委、上海市經信委、微軟、IBM、中國電信、百度、華為等相關機構的資助。至今已經在相關領域頂級、知名國際期刊與會議發表論文70多篇,其中包括TKDE, Physical Review E, Plos One, Pattern Recognition; SIGMOD, VLDB, ICDE, IJCAI, AAAI, ICSE, OOPSLA, WWW, EMNLP, EDBT, ICDM, ECML/PKDD, SDM, ICWS, ICSM, CIKM。擔任SCI期刊Frontier of Computer Science青年副主編,長期擔任眾多國際頂級與知名學術會議的程序委員會委員,包括IJCAI,SIGKDD, ICDE, WWW, CIKM, ICDM, COLING,SDM等等;常年擔任包括科技部、教育部、國家自然科學基金、省級自然科學基金與政府專項基金以及各類獲獎項目、人才獎項的評審專家;常年擔任國際知名學術期刊Plos One, IEEE Tansaction on Computers, TKDE, KIS, WWW Journal, JCST, Physica A, IEEE Intelligent System, BMC Bioinformatic, Distributed and Parallel Database等評審人。是ACM、IEEE、AAAI會員和CCF高級會員。領導團隊構建國內首個知識庫雲服務平台(知識工場平台kw.fudan.edu.cn)。該平台目前已經服務相關企業近8億次API調用。

成為VIP會員查看完整內容
CIKM_tutorial.pdf
Enterprise_Knowledge_Graph_11012019.pdf
0
23
3

報告主題:用戶隱私,數據孤島和聯邦學習 報告摘要:隨著人工智能(AI)的廣泛應用,AI係統所麵臨的大數據挑戰也日益凸顯。一方麵,AI係統的成功離不開大數據,另一方麵,社會對於用戶隱私的泄露也越來越不能容忍。最近,歐洲推出了嚴厲的個人數據隱私法案,而部門和機構之間的隔閡也使得部門牆成為數據孤島間難以逾越的障礙。麵對這一嚴峻挑戰,我們提出“聯邦遷移學習",用以建立機構間的橋梁,使得不同數據控製方可以參與聯合建立AI模型,並協作使用模型來進行決策。各方數據不出本地,而用戶隱私得到最好保護。我將舉例描述聯邦遷移學習這一技術的幾個功能,包括數據確權定價,利益合理分配,安全聯合建模。

嘉賓簡介:楊強,微眾銀行首席人工智能官,曾擔任香港科技大學計算機與工程係講座教授和係主任,前華為諾亞方舟實驗室主任,第四範式公司聯合創始人,AAAI執委,國際人工智能聯合會IJCAI理事會主席,香港人工智能與機器人學會理事長,ACM TIST 和IEEE TRANS on BIG DATA創始主編,AAAI, ACM,IEEE,AAAS等多個國際學會的Fellow。

成為VIP會員查看完整內容
用戶隱私,數據孤島和聯邦學習 楊強.pdf
0
10
0
Top