报告主题:网络表示学习

报告摘要:数据特征的有效表示是机器学习任务中最为关键环节之一。网络数据(如社交网络、信息网络等)作为普适而广泛的数据呈现形式,对它的高效表示学习是近年来数据挖掘和机器学习领域的研究热点之一。本报告将重点围绕如下内容展开:(1)网络表示学习的基本概念;(2)几类新型网络表示学习方法,包括:网络Tag表示、域自适应表示、基于网络划分的表示以及内存自适应的表示方法等。

嘉宾简介:宋国杰,北京大学信息科学技术学院副教授。研究方向包括:网络大数据分析、机器学习&数据挖掘、社会网络分析和智能交通系统。主持了包括国家高技术研究发展计划(863计划)、国家科技支撑计划、国家自然科学基金等纵向课题10多项;主持了国际(内)科研机构合作课题、企业横向合作课题等20余项。国家级精品课程主讲教师,两度获得北京大学教学成果一等奖(2012、2009)。在包括国际顶级期刊TKDE、TPDS、TITS以及国际顶级会议KDD、IJCAI、AAAI等发表论文100余篇,是多个国际顶级会议(KDD、WWW、AAAI、IJCAI等)的程序委员。申请国家发明专利10项,软件著作权3项。研究成果获“2012年度中国公路学会科学技术奖一等奖”、“2012年度山西省科学技术奖二等奖”和“2013年度中国公路学会科学技术奖一等奖”。

1+
0+

相关内容

报告主题: 信息抽取前沿动态

报告摘要: 信息抽取是从自然语言文本中抽取指定类型的实体、关系、事件等事实信息,并形成结构化数据输出的文本处理技术。本次报告从特征多元化、语料构建(半)自动化、任务联合学习等方面分析了当前信息提取的任务难点,并提出解决方案。

邀请嘉宾: 陈玉博,博士,中科院自动化所模式识别国家重点实验室助理研究员,研究方向为信息抽取、知识图谱和自然语言处理。在ACL、EMNLP、COLING、CIKM、WWW、AAAI等国际重要会议和期刊发表学术论文20余篇,曾获得NLP-NABD 2016最佳论文奖、CCKS 2017最佳论文奖。主持或参与国家自然科学基金青年基金项目、国家自然科学基金重点项目以及多项企业合作科研项目的研发,合作企业包括:华为、蚂蚁金服、腾讯、云知声等,同时也开发了事件抽取、关系抽取、实体识别和消歧等多项工具和软件。目前为中国中文信息学会青年工作委员会委员、中国中文信息学会语言与知识计算专委会委员。2018年获得中国中文信息学会“钱伟长中文信息处理科学技术奖”一等奖。

0+
0+

报告主题: 多模态--基于视觉的跨模态文本生成

报告摘要: 此次报告主要讲述了多模态中基于视觉的跨模态文本生成,首先介绍了语言-视觉的跨模态任务,并提出了视觉的语义表示、视觉-语言的跨模态对齐等研究问题及其相关解决方案,然后介绍了几种基于视觉的文本生成方法以及基于视觉的文本生成的其他关注点,最后提出了对未来的一些看法。

邀请嘉宾: 魏忠钰,博士,复旦大学副教授。主要研究领域为自然语言处理,机器学习和社会媒体处理,专注于自动化文本生成、论辩挖掘和交叉学科应用研究。于哈尔滨工业大学获得学士和硕士学位,于香港中文大学获得博士学位,2015-2016年于美国德州大学达拉斯分校从事博士后工作,现任中文信息学会社交媒体处理专委会常务委员兼秘书,中国中文信息学会青年工作委员会委员。在自然语言处理、人工智能领域的国际会议、期刊如CL,ACL,SIGIR,EMNLP,AAAI,IJCAI, Bioinformatics等发表学术论文40余篇。担任多个重要国际会议及期刊评审。获得2017年度上海市青年扬帆计划,2019年度全国社会媒体处理大会新锐奖。

基于视觉的跨模态文本生成.pdf
0+
0+

报告主题: Frontiers in Network Embedding and GCN

报告摘要: 如今,越来越多的网络广泛地用于应用程序中。 众所周知,网络数据既复杂又具有挑战性。 为了有效地处理图形数据,第一个关键挑战是网络数据表示,即如何正确表示网络,以便可以在时间和空间上高效执行高级分析任务,例如模式发现,分析和预测。 在本次演讲中,我将介绍网络嵌入和GCN的最新趋势和成就,包括解散的GCN,反攻击GCN以及用于网络嵌入的自动机器学习。

邀请嘉宾: 崔鹏 清华大学计算机系长聘副教授,博士生导师。研究兴趣聚焦于大规模网络表征学习以及大数据驱动的因果推理和稳定预测。近5年在数据挖掘及人工智能领域顶级会议发表论文100余篇,先后5次获得顶级国际会议或期刊论文奖,并先后两次入选 数据挖掘领域顶级国际会议KDD最佳论文专刊。担任IEEE TKDE、ACM TOMM、ACM TIST、IEEE TBD等国际期刊编委。曾获得国家自然科学二等奖、教育部自然科学一等奖、电子学会自然科学一等奖、CCF-IEEE CS青年科学家奖、ACM中国新星奖。入选中组部万人计划青年拔 尖人才,并当选中国科协全国委员会委员。

1+
0+

题目:异质信息网络的表示学习与应用

摘要:当前的社会网络分析主要针对同质网络(即网络中结点类型相同),但是现实世界中的网络化数据通常包含不同类型的对象,并且对象之间的关联表示不同的语义关系。构建异质信息网络(即包含不同类型的结点或边的网络)可以包含更加完整的对象之间的关联信息,因此分析这类网络有希望挖掘更加准确的模式。表示学习能够自动抽取对象的隐含特征,为后续机器学习服务,成为近期的研究热点。本报告将系统介绍异质信息网络的表示学习方法,包括随机游走等浅层模型方法和神经网络等深层模型方法。报告也将介绍异质网络表示学习在实际问题上的应用。

个人简介:北京邮电大学计算机学院教授、博士研究生导师、智能通信软件与多媒体北京市重点实验室副主任。主要研究方向: 数据挖掘、机器学习、人工智能和演化计算。近五年来,作为第一作者或通信作者发表高水平学术论文50余篇,英文专著一部,包括数据挖掘领域的顶级期刊和会议IEEE TKDE、ACM TIST、KDD、AAAI、IJCAI、WWW等,相关研究成果应用于阿里巴巴、腾讯、华为等公司。获得ADMA2011/AMDA2018国际会议最佳论文奖、CCF-腾讯犀牛鸟基金及项目优秀奖,并指导学生获得顶尖国际数据挖掘竞赛IJCAI Contest 2015 全球冠军。获得北京市高等学校青年英才和师德先锋等称号。

heterogeneous information network embedding and Applications(Tutorial)-Part I v2.pdf
heterogeneous information network embedding and Applications-Part III.pdf
heterogeneous information network embedding and Applications(Tutorial)-Part II v3.pdf
0+
0+

报告主题:面向大数据的粒计算理论与方法

报告摘要:大数据给现有的数据分析与挖掘技术带来了前所未有的挑战,探索大数据分析的粒计算新理论与新方法已成为数据挖掘与机器学习领域所关心的重要问题。本报告分析了大数据挖掘特点与粒计算范式的高度契合性,介绍了我们在基于粒计算的大数据分析挖掘方面的最新研究进展,探讨了多粒度计算在数据建模中的一些思考。

嘉宾简介:梁吉业,博士、教授、博士生导师,CCF 会士,山西大学副校长,山西大学计算智能与中文信息处理教育部重点实验室主任,教育部计算机类专业教学指导委员会委员,中国计算机学会理事,中国人工智能学会知识工程与分布智能专业委员会副主任委员,山西省计算机学会理事长,享受国务院政府特殊津贴专家。任国际学术期刊《International Journal of Computer Science and Knowledge Engineering》、国内学术期刊《计算机研究与发展》与《模式识别与人工智能》编委。先后主持国家863计划项目2项、国家自然科学基金项目7项(其中重点基金项目2项),973计划前期研究专项1项。先后在《Artificial Intelligence》、《IEEE Transactions on Pattern Analysis and Machine Intelligence》、《Data Mining and Knowledge Discovery》、《IEEE Transactions on Knowledge and Data Engineering》、《中国科学》等国际国内重要学术刊物和会议上发表论文200余篇,其中SCI收录100余篇。作为第一完成人获山西省自然科学一等奖2项。2014年—2018年,连续入选爱思唯尔中国高被引学者榜单。指导的博士生获得全国百篇优秀博士学位论文提名奖、CCF优秀博士学位论文奖、中国人工智能学会优秀博士学位论文。

面向大数据的粒计算理论与方法SMP2019(2019-08).pdf
8+
0+

报告主题:面向自然语言处理的深度学习基础

报告摘要:深度学习是人工智能领域的前沿热点,已在自然语言处理领域取得了令人瞩目的成绩,本篇报告从自然语言处理着手,以机器学习、网络模型为基础,并结合自然语言处理的实例,以及最新研究进展,全方面多层次地进行讲解,为感兴趣的学者、学生和工程师,提供了一个快速了解相关基础知识、研究内容、发展趋势的窗口。

嘉宾介绍:邱锡鹏,男,复旦大学计算机科学技术学院副教授,中国中文信息学会青年工作委员会委员,中国人工智能学会青年工作委员会常务委员,主要从事自然语言处理、深度学习等方向的研究,在 ACL、EMNLP、AAAI、IJCAI 等计算机学会 A/B 类期刊、会议上发表 50 余篇学术论文。开源自然语言处理工具 FudanNLP [GitHub] [Google Code] 项目开发者,FastNLP [GitHub] 项目负责人。 2015 年入选首届中国科协人才托举工程,2018 年获中国中文信息学会 “钱伟长中文信息处理科学技术奖—汉王青年创新奖”

CIPS_SSATT_2019_面向自然语言处理的深度学习基础_邱锡鹏.pdf
1+
0+

论坛嘉宾:魏忠钰 复旦大学 副教授

报告主题:图卷积神经网络在计算金融等交叉学科领域的应用研究

报告摘要:基于图的模型能够描绘特定场景中的实体信息以及实体之间的关系,一直以来被各个学科的学者采用,在相关领域进行不同任务的建模和计算。近年来,图卷积神经网络在大规模图数据上的机器学习任务中有很好的性能表现,这也在交叉学科领域的学者中引起广泛的关注。本次报告将梳理图卷积神经网络在一些交叉学科进行表示学习以及标签预测的工作,并重点介绍报告人近期在计算金融等领域使用图卷积神经网络开展的应用研究工作。

嘉宾简介:魏忠钰,复旦大学大数据学院副教授,香港中文大学博士,美国德州大学达拉斯分校博士后,中文信息学会社交媒体处理专委会通讯委员,中国中文信息学会青年工作委员会委员。主要研究领域为自然语言处理,机器学习和社会媒体处理,专注于自动化文本生成(Text Generation)和论辩挖掘(Argumentation Mining)的研究,在相关领域在国际会议、期刊如CL,ACL,SIGIR,EMNLP,AAAI,IJCAI, Bioinformatics等发表学术论文40余篇。担任多个重要的国际会议或者期刊评审,入选2017年度上海市青年科技英才扬帆计划。

SMP 2019 - 表示学习论坛 - 魏忠钰 - 复旦大学.pptx.pdf
4+
0+

论坛嘉宾:沈华伟 中国科学院计算技术研究所 研究员

报告主题:图卷积神经网络及其应用

报告摘要:卷积神经网络在处理图像、语音、文本等具有较好空间结构的数据时展现出了很好的优势。然而,卷积神经网络不能直接应用于图(Graph)这类空间结构不规则的数据上。近年来,研究人员开始研究如何将卷积神经网络迁移到图数据上,涌现出ChevNet、MoNet、GraphSAGE、GCN、GAT等一系列方法,在基于图的半监督分类和图表示学习等任务中表现出很好的性能。报告首先梳理和回顾该方向的主要研究进展和发展趋势,进而介绍报告人近期在图卷积神经网络方面的一些研究工作(ICLR’19; IJCAI’19)。

嘉宾简介:沈华伟,博士,中国科学院计算技术研究所研究员,中国中文信息学会社会媒体处理专委会副主任。主要研究方向:社交网络分析、网络数据挖掘。先后获得过CCF优博、中科院优博、首届UCAS-Springer优博、中科院院长特别奖、入选首届中科院青年创新促进会、中科院计算所“学术百星”。2013年在美国东北大学进行学术访问。2015年被评为中国科学院优秀青年促进会会员。获得国家科技进步二等奖、北京市科学技术二等奖、中国电子学会科学技术一等奖、中国中文信息学会钱伟长中文信息处理科学技术一等奖。出版个人专/译著3部,在网络社区发现、信息传播预测、群体行为分析等方面取得了系列研究成果,发表论文100余篇。担任PNAS、IEEE TKDE、ACM TKDD等10余个学术期刊审稿人和KDD、WWW、SIGIR、AAAI、IJCAI、CIKM、WSDM等20余个国际学术会议的程序委员会委员。

2+
0+
Top