0
雷鋒網 AI 科技評論按：亞太地區知識發現與數據挖掘國際會議（Pacific Asia Knowledge Discovery and Data Mining，PAKDD）是亞太地區數據挖掘領域的頂級國際會議，旨在為數據挖掘相關領域的研究者和從業者提供一個可自由 分享經驗的國際化論壇，該會議在全球數據挖掘領域享有盛譽，一直受到業內各國科學家的高度重視和廣泛認可。4 月 15 日至 17 日，第 23 屆 PAKDD 2019 在澳門隆重舉行，雷鋒網 AI 科技評論前往現場為大家帶來報道。
15 日的 PAKDD 2019 開幕式上，南京大學周志華教授的精彩致辭拉開了本次大會的序幕。他提到，今年 PAKDD 在澳門舉辦承載著兩項非凡的意義：一是今年恰逢澳門回歸中國 20 周年，這次會議能夠讓來自世界各國的領域研究者們見證澳門回歸中國 20 年以來的發展；二是目前中國在大力推進以深圳、香港以及澳門為中心的粵港澳大灣區建設，在之前的 2001 年以及 2011 年，PAKDD 曾先后選址香港、深圳召開，因此今年到訪澳門，似乎也在冥冥之中呼應著粵港澳大灣區的中心建設，對于澳門的意義不言而喻。
PAKDD 2019 整場大會包括 4 場重磅演講（ 3 場 Keynote 演講+ 1 場 PAKDD 2018 最具影響力論文展示）、20 場 Oral Sessions、5 場 Workshops 及 6 場 Tutorials。下面就讓我們盤點一下本次大會需要關注的重點內容。
今年大會共收到投遞論文 567 篇，最終收錄論文 137 篇，收錄率為 24.1%。整個審稿流程有 55 位 Senior PC 及 379 位 PC 參與。
在論文主題上，排在前三的分別為醫療和生物信息學領域的應用（12.4%）、分類（9.5%）以及數據挖掘領域中的深度學習理論和應用（7.4%）。而收錄率排在前三的論文主題則分別為網絡和圖數據挖掘（45.5%）、非結構性和半結構性數據挖掘（35.0%）以及序列數據挖掘（33.3%）。
在論文的國家/地區分布上，今年大會共收到了來自 46 個國家或地區的的論文投稿，其中排在前三的國家/地區是中國、美國和澳大利亞，分別為 284 篇、60 篇以及 52 篇。而論文收錄率最高的國家/地區則是加拿大和印度，收錄率都為 30%；其后是中國、美國、中國香港以及新西蘭，收錄率分別為 24.3%、23.3%、23.1% 以及 22.2%。
Keynote 演講
大會首日，普渡大學副教授 Jennifer Neville 帶來了主題為《Towards Relational AI -- the good, the bad, and the ugly of learning over networks 》的 Keynote 演講。
她指出，關系模型通過超越對于更傳統的機器學習方法的獨立假設，現在能夠成功利用在實體之間關系中觀察到的常見附加信息。具體來說，尤其當個體數據稀疏時，網絡模型能夠使用關系信息來改善對于用戶興趣、行為和交互的預測。然而需要權衡的是，由于目前存在的算法和統計等方面的挑戰，大規模網絡數據的異構性、部分可觀察性和相互依賴性導致研究者難以開發有效且無偏的方法。
在本次演講中，Jennifer Neville重點討論了這些問題，并介紹了用于大規模社交和信息網絡中的關系學習的幾種通用方法，此外，她還分享了關系模型對于隱私、社區兩級分化以及錯誤信息傳播的潛在影響。
作為本次大會的第二位 Keynote 演講者，羅格斯大學終身教授、百度人才智庫主任熊輝教授在大會第二日帶來了主題為《Talent Analytics: Prospects and Opportunities》的演講。他主要從大數據在人才管理的應用層面展開本次演講。
他表示，大數據趨勢現在已步入人才管理領域，而規模人力資源（HR）數據的可用性則能夠為企業領導者提供了解人才行為并產生有用的人才知識的好機會，從而為工作中的實時決策和有效的人員管理提供智能化協助。
對此，他也向現場嘉賓介紹了為智能人力資源管理開發的一套強大的創新大數據技術，并進行了招聘、績效評估、人才儲備和發展、工作匹配、團隊管理、領導力發展和組織文化等方面的詳盡分析。 與此同時，，他還現場演示了如何將人才分析應用于市場趨勢分析和金融投資等其他業務應用場景中。
大會最后一天，大會迎來了羅維拉·維爾吉利大學名譽教授 Josep Domingo-Ferrer 的演講，他的演講主題為《Empowering Subjects, Users and Controllers when Anonymizing Big Data for Knowledge Discovery and Data Mining 》。
大數據在尤其是與人類行為和交互相關的模式、趨勢和關聯性分析中的應用日益增多。但是，隨著《歐洲通用數據保護條例》（GDPR）這一條例逐漸成為全球現實數據的保護標準，個人驗證信息（PII）的任何有目的性的用途都必須進行明確規定且需由數據主體明確許可，除此之外，PII 還不能進行二次使用。因此，用于 PII 的探索性數據幾乎無法符合 GDPR 標準。
而使用匿名數據集來代替 PII 則是一種不錯的方法，這是因為匿名數據不屬于 GDPR 的范圍。然而這一方法也存在其問題，即基于統計披露控制和隱私模型的匿名化技術在使用小數據時間的算法和假設時，必須進行徹底修改、更新甚至需要進行替換來處理大數據，具體包括數據主體如何能夠控制它的數據以及如何實現在大量數據收集器、控制器和處理器中的匿名；是否可以合并匿名數據集從而獲取大數據集；當前的隱私模型是否能夠共享基本規則從而將匿名數據升級為大數據；是否存在可保障所有隱私模型的通用或幾乎通用的匿名方法等問題。
在本次演講中，他不僅介紹了這些問題的當前現狀，還分享了該領域未來研究工作方向：一方面，他認為該領域應該致力于改善大數據的匿名技術，從而讓數據主體、用戶以及控制者都能夠將這項技術用起來；另一方面，他也呼吁研究者加強對非結構性或非文本數據的匿名研究等。
PAKDD 2018 最具影響力論文展示
除了三場 Keynote 演講，PAKDD 2018「最有影響力論文獎 」（Most Influential Paper Award）獲獎論文《Support Vector Machine Classifier》的展示也是現場參會者關注的一大焦點。該論文發表于 PAKDD 2008，在十年時間的積淀和考驗中，最終拿下 PAKDD 2018「最有影響力論文獎 」，它的作者為劉秋閣、何清、史忠植這三位來自中國科學院的老師。本次大會上，作者之一何清研究員帶來了精彩的論文展示。
與此前利用內核來評估特征空間中數據點點積的 SVM 算法不同，在本論文中，數據點由單隱藏層前饋網絡（SLFN）顯式映射到特征空間，同時，它的輸入權重是隨機生成的。 從理論上講，這一公式可以解釋為正則化網絡（RN）的一種特殊形式，它能夠提供比 SLFNs - 極限學習機（ELM）算法更好的泛化性能，并最終得出一種極其簡單和計算快速的非線性 SVM 算法。該算法只需要對一個潛在的、順序與訓練數據集大小無關的小矩陣執行反轉。 實驗結果表明，本論文所提出的極限 SVM 所產生的泛化性能，基本上都要比 ELM 所產生的更好，并且其運行速度也比其他非線性 SVM 算法快得多。
「卓越貢獻獎」（Distinguished Contributions Award）
今年「卓越貢獻獎」這一重磅獎項頒給了新加坡管理大學的 Ee-Peng Lim 教授。
「卓越貢獻獎」是 PAKDD 于 2005 年創立的具有終身成就獎性質的獎項，旨在表彰亞太地區數據挖掘領域有長期卓越貢獻的學者，每年僅獎給一人（其中有兩年空缺）。
曾經獲得該獎項的華人學者包括：
周志華（2016 年）：南京大學教授，計算機系主任，南京大學人工智能學院院長，歐洲科學院外籍院士，ACM、AAAS、AAAI、IEEE、IAPR、IET/IEE 等學會的會士。
劉歡（2012 年）：美國亞利桑那州立大學計算機科學與工程、信息學與決策系統工程系教授，IEEE、ACM Fellow。
Hongjun Lu（2005 年）：生前曾任香港科技大學教授，博士畢業于美國威斯康辛大學麥迪遜分校。
「青年成就獎」（Early Career Award）
今年獲得「青年成就獎」的是新加坡管理大學的 Feida Zhu 教授。
「青年成就獎」基于青年學者博士畢業后的前 10 年時間的研究工作進行評選，旨在勉勵為亞太地區數據挖掘做出優秀成就的青年學者，每年僅授予一名獲獎者。
曾經獲得該獎項的華人學者包括：
俞揚（2018 年）：南京大學人工智能學院教授，于 2011 年獲得南京大學計算機科學與技術系博士學位。
「最有影響力論文獎 」（Most Influential Paper Award）
今年的「最有影響力論文獎 」授予了《On Link Privacy in Randomizing Social Network》這篇曾發表于 PAKDD 2009 上的論文，論文作者為北卡羅萊納大學夏洛特分校博士生應嘯瑋（現在美國 Pandora Media 任職）及其導師 Xintao Wu 副教授（現任美國阿肯色大學講座教授）。
「最具影響力論文獎 」面向 10 年前在 PAKDD 上發表的論文，旨在表彰過去 10 年間最具影響力的論文作者。該獎項采用 Google 學術選取出候選論文，之后由該獎項的委員會審核并衡量各篇論文的引用質量。審核過程中的一項重要標準是：論文必須提出了能夠改變人類思維方式的新穎而重大的想法。
曾經第一作者為華人獲得該獎項的論文包括：
《Support Vector Machine Classifier》（2018 年），作者為：劉秋閣（中國科學院），何清（中國科學院），史忠植 （中國科學院）。
《Enhancing Effectiveness of Outlier Detections for Low Density Patterns》（2012 年），作者為：唐杰（清華大學），Zhixiang Chen（普渡大學），Ada Wai-Chee Fu（香港中文大學），David Wai-Lok Cheung（香港大學）。
作為 PAKDD 的重要獎項， 今年「 最佳論文獎」、「 最佳學生論文獎」、「最佳應用論文獎 」三項最佳論文獎的頒布也備受關注。
「 最佳論文獎」（Best Paper Award）
今年的「 最佳論文獎」頒給了香港科技大學張穎華、張宇在楊強教授指導下完成的論文《Parameter Transfer Unit for Deep Neural Networks》。
「 最佳學生論文獎」（Best Student Paper Award）
本次獲得「 最佳學生論文獎」的論文是由南京大學的 Heng-Yi Li 和 Ming Li 在周志華教授指導下共同完成的《Towards one reusable model for various software defect mining tasks》。
「最佳應用論文獎 」（ Best Application Paper Award）
「最佳應用論文獎 」則由 Jianfei Zhang、 Shengrui Wang、Lifei Chen、Gongde Guo、Rongbo Chen 以及 Alain Vanasse 合作完成的論文《Time-dependent Survival Neural Network for Remaining Useful Life Prediction》摘得。
另外于大會最后一天公布獲獎結果的 PAKDD 2019 第 4 屆自動機器學習挑戰賽（AutoML Challenge）也同樣值得關注。
自動機器學習挑戰賽（AutoML Challenge）
PAKDD 2019 第 4 屆自動機器學習挑戰賽（AutoML Challenge）的主題是「 AutoML for Lifelong Machine Learning」，本次比賽要求參賽選手創建一個自動預測模型（沒有任何人為干預），并在一個終身機器學習（Lifelong Machine Learning）設置中訓練和評估該模型。本次本賽共有 127 個隊伍參加，最終有 31 個隊伍進入決賽，據悉，本次比賽共收到 550 多個方案。
最終獲勝的隊伍為：
冠軍：《DeepBlueAI》，羅志鵬，黃堅強，陳明健（深蘭科技）
亞軍：《ML Intelligence》，包夢蛟，Hui Xue，Yihuan Mao，Yujing Wang（微軟亞洲研究院 & 北航）
季軍：《Meta_Learners》，熊錚，蔣繼研，張文鵬（清華大學）
以上為 PAKDD 2019 的所有重點內容，后續雷鋒網 AI 科技評論還將前往各大國際學術頂會為大家帶來現場報道，敬請關注！
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
