第24届ACM SIGKDD知识发现和数据挖掘大会—首场报告会现场 / 四六文摘

AMiner已发布《计算机图形学研究报告》

微信公众号菜单栏可直接下载研究报告

为了方便大家学习，我们特地上线了精简版及详解版。

2018年8月19日至23日，第24届ACM SIGKDD知识发现和数据挖掘会议在伦敦举行。ACM SIGKDD 国际会议（简称 KDD）是由 ACM 的数据挖掘及知识发现专委会主办的数据挖掘研究领域的顶级年会。它为来自学术界、企业界和政府部门的研究人员和数据挖掘从业者进行学术交流和展示研究成果提供了一个理想场所。

ACM SIGKDD概况

会议涵盖了特邀主题演讲（keynote presentations）、论文口头报告（oral paper presentations）、论文展板展示（poster sessions）、研讨会（workshops）、短期课程（tutorials）、专题讨论会（panels）、展览（exhibits）、系统演示（demonstrations）、KDD CUP 赛事以及多个奖项的颁发等众多内容。

由于 KDD 的交叉学科性和广泛应用性，其影响力越来越大，吸引了来自统计、机器学习、数据库、万维网、生物信息学、多媒体、自然语言处理、人机交互、社会网络计算、高性能计算及大数据挖掘等众多领域的专家、学者。

自 1995 年以来，KDD 已经以大会的形式连续举办了 23 届，论文的投稿量和参会人数呈现出逐年增加的趋势。

会议流程

此次会议包括了如下流程：

4主题演讲嘉宾
9 ADS特邀演讲
27个研讨会
8个动手教程和29个常规教程

我们为大家提供了由现场传回的会议整体流程图，如下所示。

会议现场

在8月19日的首场报告会中，清华大学的唐杰老师与微软研究院的东昱晓博士共同发表了以“Computational Models for Social and Information Network Analysis”为主题的演讲。他们系统地介绍了社会和信息网络的挖掘和学习，涵盖的主题包括个人、社交关系、群体集体和信息空间。讲述了社交网络、影响力发现的研究历史和前沿进展，以及AMiner团队的成果应用、微软和AMiner团队的合作等。

唐杰老师

东昱晓博士

演讲者介绍

唐杰是清华大学计算机科学与技术系的副教授，也是康奈尔大学，香港科技大学和南安普顿大学的访问学者。他的兴趣包括社交网络分析，数据挖掘和机器学习。他发表了200多篇期刊/会议论文，拥有20项专利，吸引了超过10,000项引文。他担任CIKM'16，WSDM'15，ASONAM'15，SocInfo'12，KDD 2018副主席，组织KDD'11-18联合主席，IEEE TKDE / TBD副主编的PC联合主席和ACM TKDD / TIST。他领导着AMiner.org项目用于学术社交网络分析和挖掘，已经吸引了来自世界220个国家/地区的800多万个独立IP访问。他荣获牛顿高级奖学金，CCF青年科学家奖和NSFC优秀青年学者奖。

东昱晓是Redmond微软研究院的高级应用科学家，他获得了博士学位。来自圣母大学，曾是清华大学，美国陆军研究实验室和AMiner.org的访问学者。他的研究重点是数据挖掘，网络科学和计算社会科学，重点是应用计算模型来解决大规模网络系统中的问题，例如Microsoft Academic Graph（MAG），移动通信和在线社交媒体。他的作品主要发表在KDD和跨学科期刊上，获得四项最佳论文奖/提名，以及2017年ACM SIGKDD博士论文奖荣誉奖。

演讲内容

该演讲以来自微信的真实例子开始，解释在线社交网络如何影响我们线下的物理世界。然后，将全面介绍社交网络分析的历史和最新进展，包括用户分析的方法和算法，用户行为建模，社会联系和群体建模，影响和信息扩散对结构。

演讲详细介绍了如何将计算模型——图模型、深度学习和嵌入技术——应用到网络结构的挖掘和学习中。

独特的是，演讲旨在向受众提供社会学理论和图论，以及我们在真实社交网络中的应用，包括腾讯微信和游戏、阿里巴巴、学堂在线、AMiner和微软公司，将社会网络研究转化为在线应用的经验。

演讲大纲

1.社会和信息网络分析的历史（35分钟）（PPT见文末）

A.网络跨学科研究

B.网络中的经典挖掘和学习问题

C.本教程概述

D.打开数据进行网络分析

E.Q＆A