【KDD2019|讲座推荐】时空事件预测与前兆识别：Spatio-temporal event forecasting and precursor identification

讲座题目

时空事件预测与前兆识别：Spatio-temporal event forecasting and precursor identification

讲座简介

由于来自社会媒体、新闻来源、博客、经济指标和其他元数据来源等开放源代码指标（OSI）的大数据，传统上极具挑战性的时空社会事件预测现在成为可能，并正在经历快速增长。时空社会事件预测及其前兆发现在政治危机、人道主义危机、大规模暴力、暴乱、大规模移民、疾病爆发、经济不稳定、资源短缺、应对自然灾害等方面都对社会有益。 与传统的事件检测不同，事件预测侧重于预测未来尚未发生的事件。与传统的数值指标时空预测不同，时空事件预测需要利用OSI的异构信息来发现预测指标和未来社会事件的映射。在研究大规模社会事件的同时，决策者和实践者的目标是确定此类事件的前兆，以帮助理解因果属性并确保问责制。由此产生的问题通常需要能够联合处理语义、时间和空间信息的预测建模技术，并且需要设计可扩展到高维大型真实世界数据集的高效可解释算法。 在本教程中，我们将全面介绍时空社会事件预测的最新方法。首先，我们将对OSI输入和文献中普遍研究的预测社会事件进行分类。然后，我们将回顾时间和时空社会事件预测的方法。接下来，我们还将讨论前体识别的基础，引入各种机器学习方法，其目的是在预测事件的同时发现前兆。通过本教程，我们希望说明基本的理论和算法思想，并讨论在上述所有设置中的具体应用。

讲座嘉宾

Liang Zhao, GMU信息科学与技术系助理教授。赵博士于2016年获得弗吉尼亚理工大学计算机科学博士学位。他的研究兴趣包括数据挖掘和机器学习，特别是在时空数据挖掘、社会事件预测、稀疏特征学习和社会媒体挖掘方面。