雷鋒網(wǎng) AI 科技評(píng)論消息，2017 SIGKDD 的三大獎(jiǎng)項(xiàng)——?jiǎng)?chuàng)新獎(jiǎng)（2017 SIGKDD Innovation Award），杰出服務(wù)獎(jiǎng)（2017 SIGKDD Service Award）以及十年最佳論文獎(jiǎng)（Test of time award）已于日前公布。其中，ACM SIGKDD 新一任主席、加拿大西蒙弗雷澤大學(xué)計(jì)算機(jī)學(xué)院教授裴健博士榮獲 2017 SIGKDD 創(chuàng)新獎(jiǎng)；香港科技大學(xué)教授楊強(qiáng)博士榮獲 2017 SIGKDD 杰出服務(wù)獎(jiǎng)；而十年最佳論文獎(jiǎng)則被康奈爾大學(xué) Thorsten Joachims 的《Training Linear SVMs in Linear Time》所摘得。

2017 SIGKDD 創(chuàng)新獎(jiǎng)

ACM SIGKDD 創(chuàng)新獎(jiǎng)是知識(shí)發(fā)現(xiàn)與數(shù)據(jù)挖掘領(lǐng)域（KDD）的最高榮譽(yù)，授予對(duì)這一領(lǐng)域做出重大技術(shù)貢獻(xiàn)的研究人員。根據(jù)評(píng)審要求，其研究成果必須在數(shù)據(jù)挖掘理論或商業(yè)數(shù)據(jù)挖掘系統(tǒng)的開(kāi)發(fā)上能夠產(chǎn)生深遠(yuǎn)的影響。

歷屆 SIGKDD 創(chuàng)新獎(jiǎng)的獲得者都是數(shù)據(jù)挖掘領(lǐng)域的杰出研究者，曾經(jīng)獲得這一獎(jiǎng)項(xiàng)的華人包括：

• 韓家煒（Jiawei Han）博士（2004 年）：美國(guó)伊利諾伊大學(xué)香檳分校計(jì)算機(jī)系教授，ACM、IEEE Fellow。值得一提的是，韓家煒博士是裴健教授在加拿大西蒙弗雷澤大學(xué)的博士導(dǎo)師。

• 俞士綸 (Philip S. Yu) 博士（2016 年）：美國(guó)伊利諾伊大學(xué)芝加哥分校特聘主任教授、清華大學(xué)數(shù)據(jù)科學(xué)研究院院長(zhǎng)。

裴?。↗ian Pei）是 ACM SIGKDD 新一屆主席、加拿大西蒙弗雷澤大學(xué)計(jì)算機(jī)學(xué)院教授、ACM 和 IEEE Fellow、加拿大研究講席教授（Canada Research Chair, Tier I）。他的研究興趣集中在研究和開(kāi)發(fā)針對(duì)新穎的數(shù)據(jù)密集型應(yīng)用的高效數(shù)據(jù)分析技術(shù)。他的研究領(lǐng)域包括數(shù)據(jù)挖掘、web 搜索、信息檢索、數(shù)據(jù)倉(cāng)庫(kù)、聯(lián)機(jī)分析處理、數(shù)據(jù)庫(kù)系統(tǒng)及其在社會(huì)網(wǎng)絡(luò)和社會(huì)媒體、醫(yī)學(xué)信息學(xué)、商業(yè)智能等領(lǐng)域中的應(yīng)用。

2000 年以來(lái)，他出版了一本教科書(shū)和兩本學(xué)術(shù)專著，發(fā)表了 200 多篇論文，多次擔(dān)任國(guó)際會(huì)議的程序委員會(huì)委員和組織委員會(huì)委員。此前裴健教授還由于對(duì)數(shù)據(jù)挖掘方面的重大技術(shù)貢獻(xiàn)和對(duì)社會(huì)及數(shù)據(jù)挖掘社區(qū)的杰出服務(wù)獲得 2015 年度的 SIGKDD 杰出服務(wù)獎(jiǎng)（SIGKDD SERVICE AWARD）。他是 IEEE Transactions on Knowledge and Data Engineering (TKDE) 的前任主編。

官網(wǎng)在公示這一消息時(shí)，也闡述了裴健博士的獲獎(jiǎng)原因：

「（裴健博士）在數(shù)據(jù)挖掘及應(yīng)用領(lǐng)域的基礎(chǔ)研究，尤其是模式挖掘與空間數(shù)據(jù)挖掘方面做出了突出的貢獻(xiàn)。他是多種模式增長(zhǎng)方法的主要提出者，包括FP-growth和PrefixSpan，這些工作已經(jīng)被業(yè)界廣泛接受和應(yīng)用，并且被數(shù)據(jù)挖掘教科書(shū)及開(kāi)源軟件工具包所采用。作為數(shù)據(jù)挖掘領(lǐng)域被引用次數(shù)最多的作者之一，他極為高產(chǎn)的出版物被引用了七萬(wàn)多次?！?/p>

一直以來(lái)，裴健博士以多種方式參加 KDD 大會(huì)的組織工作，并于過(guò)去四年 SIGKDD 執(zhí)委會(huì)擔(dān)任要職。

在裴健博士當(dāng)選為 SIGKDD 新一屆主席之際，雷鋒網(wǎng) AI 科技評(píng)論對(duì)其做了一次專訪，當(dāng)時(shí)他表示，「非常感謝 SIGKDD 會(huì)員對(duì)我的支持和鼓勵(lì)。我會(huì)和新一屆的 SIGKDD 執(zhí)委會(huì)一起，進(jìn)一步推進(jìn) SIGKDD 的工作，為學(xué)術(shù)界和產(chǎn)業(yè)界提供更好的服務(wù)?！苟敬潍@得 2017 SIGKDD 創(chuàng)新獎(jiǎng)，更是對(duì)裴健博士在學(xué)術(shù)領(lǐng)域的又一次肯定。

實(shí)際上，裴健博士在 2015 年就獲得了當(dāng)年的 SIGKDD 杰出服務(wù)獎(jiǎng)。而今年的杰出服務(wù)獎(jiǎng)則由香港科技大學(xué)計(jì)算機(jī)系主任楊強(qiáng)教授摘得。

2017 SIGKDD 杰出服務(wù)獎(jiǎng)

2017 SIGKDD 杰出服務(wù)獎(jiǎng)主要授予在知識(shí)發(fā)現(xiàn)及數(shù)據(jù)挖掘領(lǐng)域作出重大服務(wù)貢獻(xiàn)的個(gè)人或團(tuán)隊(duì)，包括主辦會(huì)議、主持學(xué)術(shù)團(tuán)體等服務(wù)性工作，并在數(shù)據(jù)挖掘教學(xué)及財(cái)務(wù)性事務(wù)等方面的工作。

該獎(jiǎng)主要獎(jiǎng)勵(lì)對(duì)知識(shí)發(fā)現(xiàn)及數(shù)據(jù)挖掘領(lǐng)域作出重大服務(wù)貢獻(xiàn)的個(gè)人或團(tuán)隊(duì)，考察的因素主要包括主持學(xué)術(shù)團(tuán)體、主辦會(huì)議等服務(wù)性工作，教育學(xué)生、研究者和實(shí)踐者，資助研發(fā)活動(dòng)，為傳播技術(shù)信息提供專業(yè)志愿服務(wù)，并通過(guò)知識(shí)挖掘應(yīng)用為社會(huì)做出貢獻(xiàn)，改善全球性醫(yī)療、教育、災(zāi)難／危機(jī)管理及環(huán)境等議題。

曾經(jīng)獲得該獎(jiǎng)項(xiàng)的華人學(xué)者除了此前提及的裴健博士（2015 年），還有：

• 吳信東（2004 年）：美國(guó)路易斯安那大學(xué)教授，國(guó)家“”入選者、長(zhǎng)江學(xué)者，IEEE、AAAS Fellow。

• Ying Li（2012 年）：目前擔(dān)任新加坡電信公司 Singtel 旗下全資子公司 Dataspark 的 CTO，1993 年獲不列顛哥倫比亞大學(xué)博士學(xué)位。
  

• Wei Wang（2016 年）：UCLA 計(jì)算機(jī)系教授，1999 年獲得加利福尼亞大學(xué)計(jì)算機(jī)系博士學(xué)位。
  

獲得 2017 SIGKDD 杰出服務(wù)獎(jiǎng)的楊強(qiáng)博士是香港科技大學(xué)計(jì)算機(jī)系主任，IEEE 、AAAI 、AAAS 和 IAPR Fellow。

楊強(qiáng)博士在服務(wù)和推動(dòng)數(shù)據(jù)挖掘和人工智能領(lǐng)域作出了突出貢獻(xiàn)，與 ACM 也有著長(zhǎng)期緊密的聯(lián)系和合作。楊強(qiáng)博士曾擔(dān)任 ACM KDD 2010 的程序委員會(huì)聯(lián)合主席，ACM KDD 2012 大會(huì)主席，以及 IJCAI 2015 的程序委員會(huì)主席。此外，他還擔(dān)任 ACM IUI、ACM RecSys、IEEE Big Data 等多個(gè)會(huì)議的大會(huì)聯(lián)合主席，也是多個(gè)重要獎(jiǎng)項(xiàng)的評(píng)審委員會(huì)成員，如今年的Test of Time Award評(píng)審委員會(huì)。

一直以來(lái)，楊強(qiáng)博士致力于推進(jìn) SIGKDD 在中國(guó)的發(fā)展，推動(dòng)中國(guó)數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)的研究。在他的牽頭下，KDD China 于 2016 年成功在北京舉辦，聯(lián)合后續(xù)的 10 個(gè) KDD China 系列活動(dòng)，有效地拉近了中國(guó)數(shù)據(jù)挖掘研究與世界科研的距離。

此外，他在遷移學(xué)習(xí)理論和實(shí)際應(yīng)用領(lǐng)域有著世界領(lǐng)先的研究成果，并積極推進(jìn)數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)的工業(yè)應(yīng)用，牽頭成立了包括華為諾亞方舟實(shí)驗(yàn)室、微信聯(lián)合實(shí)驗(yàn)室等多個(gè)研究機(jī)構(gòu)。

去年，楊強(qiáng)博士受邀來(lái)到 CCF－GAIR 2016 的現(xiàn)場(chǎng)并做了主題演講；而在今年 CCF 主辦、雷鋒網(wǎng)和香港中文大學(xué)（深圳）合辦的 CCF－GAIR 全球人工智能與機(jī)器人峰會(huì)上，楊強(qiáng)教授擔(dān)任了程序委員會(huì)主席，并擔(dān)任主會(huì)場(chǎng)的 session 主持人。在與雷鋒網(wǎng) AI 科技評(píng)論的交流過(guò)程中，楊強(qiáng)教授一直強(qiáng)調(diào) AI 學(xué)術(shù)的前沿工作也要從工業(yè)界獲得靈感，甚至鼓勵(lì)老師們到工業(yè)界工作一段時(shí)間。

「在工業(yè)界，老師能跟著商業(yè)人才和業(yè)務(wù)人才學(xué)習(xí)如何構(gòu)建一個(gè)完整的商業(yè)閉環(huán)，能夠把一個(gè)技術(shù)，比方說(shuō)無(wú)人駕駛或者計(jì)算機(jī)視覺(jué)，和真正的產(chǎn)業(yè)結(jié)合起來(lái)，發(fā)揮作用。這個(gè)不僅僅是說(shuō)技術(shù)可以在工業(yè)界不斷提高，把準(zhǔn)確率率提高百分之多少的問(wèn)題，更重要的是說(shuō)，能夠給技術(shù)找到一個(gè)合適的場(chǎng)景，能和一個(gè)業(yè)務(wù)鏈條緊密結(jié)合起來(lái)。 」

得益于楊強(qiáng)博士在推進(jìn)數(shù)據(jù)挖掘領(lǐng)域產(chǎn)業(yè)化的突出貢獻(xiàn)，獲得今年的杰出服務(wù)獎(jiǎng)也算得上是實(shí)至名歸了。

2017 SIGKDD 十年最佳論文獎(jiǎng)

十年最佳論文獎(jiǎng)授予的是在過(guò)去十年間 KDD 大會(huì)上，對(duì)數(shù)據(jù)挖掘領(lǐng)域產(chǎn)生重大影響的論文，康奈爾大學(xué)計(jì)算機(jī)系教授 Thorsten Joachims 博士的《Training Linear SVMs in Linear Time》獲得今年的這一榮譽(yù)，理由如下：

支持向量機(jī)（SVM）是用于高維數(shù)據(jù)和稀疏數(shù)據(jù)最受歡迎的機(jī)器學(xué)習(xí)技術(shù)之一，但在高效性上存在不足。目前比較流行的做法受到超線性縮放行為的影響，使其在大數(shù)據(jù)集上呈現(xiàn)效率低下的表現(xiàn)。此論文提出了第一個(gè)線性 SVM 的通用訓(xùn)練算法，利用簡(jiǎn)單的切割平面算法來(lái)訓(xùn)練收斂的線性 SVM。和以前的方法相比，算法具有幾個(gè)優(yōu)點(diǎn)。首先是可操作性，非常簡(jiǎn)單易用；其次，這種方法比現(xiàn)有的大分類問(wèn)題的分解方法要快幾個(gè)數(shù)量級(jí)；再者，該算法具備與訓(xùn)練誤差相關(guān)的停止準(zhǔn)則，也就是說(shuō)，可以避免耗費(fèi)時(shí)間解決優(yōu)化問(wèn)題；最后一點(diǎn)是，該算法可以處理大數(shù)據(jù)集的序數(shù)回歸問(wèn)題。這一研究開(kāi)辟了多個(gè)研究領(lǐng)域。由于數(shù)據(jù)只需要少量連續(xù)迭代，因此能夠使用外核內(nèi)存的并行實(shí)現(xiàn)，此外，該算法在原則上也可以應(yīng)用于具有核函數(shù)的 SVM 中。

摘要：在文本分類、詞義消歧和藥物設(shè)計(jì)等應(yīng)用中，SVM 已經(jīng)成為高維度稀疏數(shù)據(jù)最突出的機(jī)器學(xué)習(xí)技術(shù)之一。這些應(yīng)用涉及大量的例子 n 以及大量的特征 N，而每個(gè)例子只有 s << N 個(gè)非零特征。本文提出了一種用于訓(xùn)練線性 SVM 的切割平面算法，能夠用于分類問(wèn)題的訓(xùn)練時(shí)間 O（sn）和用于順序回歸問(wèn)題的 O（sn log（n））。該算法能夠成為 SVM 優(yōu)化問(wèn)題的一種解決方案。此外，切割平面算法比大型數(shù)據(jù)集的 SVM-Light 等分解方法要快幾個(gè)數(shù)量級(jí)。

論文鏈接：https://www.cs.cornell.edu/people/tj/publications/joachims_06a.pdf

8 月 13 日至 17 日，第 23 屆 SIGKDD 將在加拿大哈利法克斯舉行，后續(xù)兩個(gè)重要獎(jiǎng)項(xiàng)——SIGKDD Dissertation Award 及最佳論文將于接下來(lái)的幾天頒布。雷鋒網(wǎng)屆時(shí)將帶來(lái)更多一線消息，敬請(qǐng)期待。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。