0
雷鋒網 AI 科技評論按：這幾日，對于許多數據挖掘領域的研究者來說，北京是一個關注的焦點，原因無他，作為數據挖掘領域的兩大頂會CIKM 2019和ICDM 2019相繼在北京召開，甚至連開會地點（國家會議中心）都沒有變化。
兩個會議同為CCF B類，其區(qū)別在于前者是ACM舉辦，而后者是IEEE舉辦；此外CIKM覆蓋范圍更廣，包括了數據庫、信息檢索和數據挖掘三個領域，而ICDM則更為專注數據挖掘。
在兩次會議中，數據挖掘領域的巨擘韓家煒教授將就其研究分別做主題為《From Unstructured Text to TextCube: Automated Construction and Multidimensional Exploration》（@CIKM2019）和《Embedding-Based Text Mining: A Frontier in Data Mining》（@ICDM2019）的報告。
現實世界中的大數據在很大程度上是非結構化的、互聯的和動態(tài)的，且以自然語言文本的形式出現，將此類龐大的非結構化數據轉換為有用的知識是一條必由之路。目前大家普遍采用勞動密集型的方法對數據進行打標簽從而提取知識，這種方法短時來看可取，但卻無法進行擴展，特別是許多企業(yè)的文本數據是高度動態(tài)且領域相關。
韓家煒教授認為，大量的文本數據本身就隱含了大量的隱模式、結構和知識，因此我們可以借助domain-independent 和 domain-dependent的知識庫，來探索如何將海量數據從非結構化的數據轉化為結構化的知識。
如下圖所示，是韓家煒教授及其學生在過去以及未來研究的主線：
韓家煒認為要想將現有的無結構的大數據變成有用的知識，首先要做的就是將數據結構化。他提出兩種結構化數據的形式，一種是異質網絡（Heterogeneous Network），另一種是多維文本立方體（Multi-dimensional Text Cube）。由這種結構化數據生成知識已經證明是很強大的，但是如何將原始無結構的數據變成有結構的數據（Network 或 Text Cube）則是非常困難的。
在 Network/Text Cube 到 Knowledge 的問題上，韓家煒等人已經做了很多研究工作，也已經由此獲得了很多獎項；在無結構文本數據到有結構 Network/Text Cube 的路上他們也做出了許多嘗試和成果，現在仍在進行中。韓家煒認為這是一條很長的路，他們現在只是在這條路上突破了幾個可以往前走的口子，還只是一條小路，要變成一條康莊大道則需要各國學者共同努力。
韓家煒教授的研究工作并非跟隨熱點，而是在十年如一日地去打通一條從無結構數據到有用的知識的康莊大道，因此脈絡極為清晰且極具連貫性。
雷鋒網 AI 科技評論在2018年初曾整理過一篇韓家煒教授的演講報告文章《韓家煒在數據挖掘上開辟的「小路」是什么》，值得大家參考。相比一年前，韓家煒教授的團隊也在不斷將當前最新的研究進展融入到他們這條「小路」當中，例如BERT、Spherical Text Embedding等，這些請查閱韓家煒教授團隊近期發(fā)表論文：
在2018年初他提到的以下幾本已經發(fā)表的書：
站在2019年末，韓家煒的團隊又發(fā)布了幾本新書：
任翔出了《Mining Structures of Factual Knowledge from Text》，張超也出版了《Multidimensional Mining of Massive Text Data》 。
雷鋒網 AI 科技評論報道。
相關文章：
專訪數據挖掘領頭人韓家煒教授：不要迷信權威，做學問要秉承「三個真實」
CCF ADL 87講習班回顧：韓家煒等13位大牛全方位解析社交網絡和數據挖掘
雷峰網原創(chuàng)文章，未經授權禁止轉載。詳情見轉載須知。
