0
| 本文作者： camel | 2017-11-29 16:09 |
社交網(wǎng)絡(luò)和數(shù)據(jù)挖掘是計(jì)算機(jī)學(xué)科相關(guān)研究中的熱點(diǎn)。
近年來(lái)，以微博、微信等為代表的在線社會(huì)媒體逐漸成為人們發(fā)布、傳播和獲取信息的主要媒介。在社交網(wǎng)絡(luò)中匯聚了大量的用戶關(guān)系數(shù)據(jù)和信息傳播數(shù)據(jù)，對(duì)社交網(wǎng)絡(luò)數(shù)據(jù)的研究和挖掘?qū)槲覀兞私夂脱芯咳祟惿鐣?huì)、經(jīng)濟(jì)、商業(yè)等的潛在規(guī)律提供極大的幫助。
那么在海量的社交網(wǎng)絡(luò)數(shù)據(jù)下面存在著什么樣的特點(diǎn)和規(guī)律呢？在線社交網(wǎng)絡(luò)的信息傳播與物理社交網(wǎng)絡(luò)的信息傳播有什么樣異同呢？如何挖掘社交網(wǎng)絡(luò)的數(shù)據(jù)以從中發(fā)現(xiàn)一些潛在的社會(huì)、經(jīng)濟(jì)和商業(yè)規(guī)律呢？社交網(wǎng)絡(luò)和數(shù)據(jù)挖掘的前沿研究方向在哪里呢？
不管你是青年愛(ài)好者、計(jì)算機(jī)科學(xué)工作者，還是社會(huì)科學(xué)研究人員或者企事業(yè)單位的管理人員，對(duì)這些問(wèn)題的探討和學(xué)習(xí)，都會(huì)對(duì)你的工作、學(xué)習(xí)、研究有極大的幫助。
12月22日-24日，由中國(guó)計(jì)算機(jī)學(xué)會(huì)（CCF）主辦的第87期CCF學(xué)科前沿講習(xí)班（CCF-ADL）將以《社交網(wǎng)絡(luò)和數(shù)據(jù)挖掘》為主題，邀請(qǐng)數(shù)位來(lái)自國(guó)內(nèi)外該領(lǐng)域重量級(jí)的專家學(xué)者對(duì)這些問(wèn)題做一系列主題報(bào)告。雷鋒網(wǎng)作為獨(dú)家合作媒體，也將到場(chǎng)聆聽(tīng)大牛分享，并對(duì)講習(xí)班內(nèi)容進(jìn)行全程報(bào)道。
他們將對(duì)社交網(wǎng)絡(luò)和數(shù)據(jù)挖掘的基礎(chǔ)理論、關(guān)鍵技術(shù)方法以及當(dāng)前熱點(diǎn)問(wèn)題進(jìn)行深入淺出的介紹，并對(duì)如何開(kāi)展該領(lǐng)域前沿技術(shù)研究等進(jìn)行探討，以及分享近幾年在在線社會(huì)媒體中的信息傳播預(yù)測(cè)方面的研究成果。相信與會(huì)者必然能夠從中了解到社交網(wǎng)絡(luò)和數(shù)據(jù)挖掘領(lǐng)域的重點(diǎn)和熱點(diǎn)，給自己的學(xué)習(xí)、研究和工作帶來(lái)新啟發(fā)。
（雷鋒網(wǎng)編者注：CCF-ADL系列開(kāi)班以來(lái)，主題涉及深度學(xué)習(xí)、類腦計(jì)算、區(qū)塊鏈技術(shù)、城市計(jì)算、計(jì)算機(jī)視覺(jué)等各大領(lǐng)域，邀請(qǐng)了學(xué)術(shù)界、工業(yè)界包括微軟研究員鄭宇、360首席科學(xué)家顏水成、港科大楊強(qiáng)教授等，聚集產(chǎn)學(xué)研各界人士，給數(shù)千人分享了學(xué)術(shù)前沿成果和應(yīng)用方法。雷鋒網(wǎng)作為獨(dú)家合作媒體，將對(duì)講習(xí)班進(jìn)行深入報(bào)道，無(wú)法到達(dá)現(xiàn)場(chǎng)的同學(xué)，雷鋒網(wǎng)·AI慕課學(xué)院也會(huì)呈上已獲授權(quán)的全網(wǎng)獨(dú)家在線視頻（http://www.mooc.ai/course/307）以供學(xué)習(xí)。
下面雷鋒網(wǎng)對(duì)課程內(nèi)容作以簡(jiǎn)要介紹，詳細(xì)內(nèi)容請(qǐng)參閱AI慕課學(xué)院介紹。
Philip S. Yu，ACM/IEEE院士、美國(guó)伊利諾伊大學(xué)芝加哥分校特聘教授、清華大學(xué)軟件學(xué)院客座教授。
報(bào)告簡(jiǎn)介：
在大數(shù)據(jù)時(shí)代，以各種格式存在的數(shù)據(jù)資源非常豐富。一種有意思的想法就是將這些不同格式的資源融合在一起，來(lái)協(xié)同挖掘數(shù)據(jù)背后的信息，這將比單一的數(shù)據(jù)資源獲得更多有價(jià)值的結(jié)果。“Broad Learning”正是這樣一種新型的學(xué)習(xí)任務(wù)。但BL在將不同的數(shù)據(jù)資源有效融合的過(guò)程中仍然存在著巨大的挑戰(zhàn)，這不僅取決于數(shù)據(jù)源的相關(guān)性，還取決于目標(biāo)應(yīng)用問(wèn)題。在本次報(bào)告中，我們將探討如何融合社交網(wǎng)絡(luò)信息來(lái)改善各種應(yīng)用場(chǎng)景中數(shù)據(jù)挖掘的效果。
唐杰，清華計(jì)算機(jī)系副教授、博導(dǎo)、CCF杰出會(huì)員、清華-工程院知識(shí)智能聯(lián)合實(shí)驗(yàn)室主任。主持研發(fā)了研究者社會(huì)網(wǎng)絡(luò)挖掘系統(tǒng)AMiner，從億級(jí)文獻(xiàn)數(shù)據(jù)挖掘科技知識(shí)，吸引了220個(gè)國(guó)家/地區(qū)800多萬(wàn)獨(dú)立IP訪問(wèn)；核心技術(shù)應(yīng)用于國(guó)家科技部、自然科學(xué)基金委、中國(guó)工程院、ACM、美國(guó)艾倫人工智能研究所、搜狗、阿里巴巴、騰訊等單位。
摘要：
社會(huì)網(wǎng)絡(luò)已經(jīng)成為溝通真實(shí)物理世界和虛擬互聯(lián)空間的橋梁。我們?cè)诨ヂ?lián)網(wǎng)絡(luò)中的行為直接反映了我們?cè)谡鎸?shí)世界的活動(dòng)和情感。我將介紹在大規(guī)模真實(shí)網(wǎng)絡(luò)中（如：微信、微博、Twitter、 AMiner等網(wǎng)絡(luò)）如何分析用戶之間的交互影響力和基于網(wǎng)絡(luò)拓?fù)涞慕Y(jié)構(gòu)影響力，并基于影響力預(yù)測(cè)用戶行為。模型同時(shí)考慮了網(wǎng)絡(luò)結(jié)構(gòu)、用戶屬性和網(wǎng)絡(luò)用戶的偏好。并設(shè)計(jì)了針對(duì)大規(guī)模網(wǎng)絡(luò)的并行學(xué)習(xí)算法。在實(shí)際真實(shí)在線社交系統(tǒng)中得到了驗(yàn)證。
沈華偉，博士，中國(guó)科學(xué)院計(jì)算技術(shù)研究所研究員，中國(guó)中文信息學(xué)會(huì)社會(huì)媒體處理專委會(huì)副主任。
摘要：
近年來(lái)，以微博、微信等為代表的在線社會(huì)媒體逐漸成為人們發(fā)布、傳播和獲取信息的主要媒介。社會(huì)媒體匯聚了大量的用戶關(guān)系數(shù)據(jù)和信息傳播數(shù)據(jù)，為分析和研究人類社會(huì)活動(dòng)提供了彌足珍貴的數(shù)據(jù)資源。社會(huì)媒體中數(shù)據(jù)多源異構(gòu)、個(gè)體間關(guān)系繁雜、信息傳播突發(fā)等特點(diǎn)給社會(huì)媒體分析提出了科學(xué)技術(shù)挑戰(zhàn)。分析社交網(wǎng)絡(luò)的結(jié)構(gòu)規(guī)律、挖掘用戶行為的固有模式、探索網(wǎng)絡(luò)信息傳播的內(nèi)在機(jī)理、研究高效的社交網(wǎng)絡(luò)分析與網(wǎng)絡(luò)信息傳播預(yù)測(cè)方法，有利于提升對(duì)在線社會(huì)媒體的科學(xué)認(rèn)知水平和有效利用能力。報(bào)告將從網(wǎng)絡(luò)結(jié)構(gòu)分析、網(wǎng)絡(luò)表達(dá)學(xué)習(xí)、網(wǎng)絡(luò)信息傳播預(yù)測(cè)等幾個(gè)方面介紹報(bào)告人近幾年在在線社會(huì)媒體中的信息傳播預(yù)測(cè)方面的研究成果。
宋國(guó)杰，北京大學(xué)信息科學(xué)技術(shù)學(xué)院副教授，智能交通系統(tǒng)研究中心副主任。
摘要：
網(wǎng)絡(luò)信息傳播挖掘研究是近年來(lái)社交網(wǎng)絡(luò)分析領(lǐng)域的熱點(diǎn)問(wèn)題。報(bào)告將重點(diǎn)介紹兩方面的研究工作：傳播影響最大化（Influence Maximization）和網(wǎng)絡(luò)推斷（Network Inference）。前者主要研究在既定傳播模型下，如何高效尋找社交網(wǎng)絡(luò)中信息傳播影響力最大的Top-k節(jié)點(diǎn)集合，而后者則是在給定觀測(cè)到信息傳播級(jí)聯(lián)數(shù)據(jù)集的基礎(chǔ)上，推斷出隱藏的、不可直接觀測(cè)的社交網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)。報(bào)告將重點(diǎn)介紹這兩類工作的代表性研究成果，并對(duì)未來(lái)發(fā)展進(jìn)行展望。
Wei Wang，加州大學(xué)洛杉磯分校計(jì)算機(jī)科學(xué)Leonard Kleinrock首席教授，ScAi研究所主任，NIH BD2K中央合作中心的聯(lián)合主任。
摘要：
含時(shí)網(wǎng)絡(luò)（Temporal networks，即在網(wǎng)絡(luò)中加入時(shí)間的成分）可以說(shuō)是無(wú)處不在，因?yàn)楸姸嗟膽?yīng)用程序（包括微信、微博、twitter等）主要就是以時(shí)間依賴的方式生成的網(wǎng)絡(luò)結(jié)構(gòu)。近年來(lái)，在進(jìn)化網(wǎng)絡(luò)分析領(lǐng)域已經(jīng)有了大量的研究工作，例如異常檢車、鏈路預(yù)測(cè)、節(jié)點(diǎn)分類等。針對(duì)這些問(wèn)題已經(jīng)存在許多單獨(dú)的解決方案，但是要想更廣泛地解決類似的問(wèn)題，我們需要考慮的是：我們是否可以直接把網(wǎng)絡(luò)結(jié)構(gòu)描述成時(shí)間的一個(gè)函數(shù)？在不同的應(yīng)用環(huán)境中使用網(wǎng)絡(luò)結(jié)構(gòu)時(shí)，將其描述為時(shí)間的函數(shù)至關(guān)重要，因?yàn)檫@樣的描述可以捕獲非常豐富的關(guān)于底層網(wǎng)絡(luò)結(jié)構(gòu)的信息。在報(bào)告中，我將展示動(dòng)態(tài)網(wǎng)絡(luò)建模的一些困難以及我們的解決方案。
胡祥恩博士是孟菲斯大學(xué)（UOFM）心理學(xué)系，電氣與計(jì)算機(jī)工程與計(jì)算機(jī)科學(xué)系教授，UofM智能系統(tǒng)研究所（IIS）高級(jí)研究員，華中師范大學(xué)心理學(xué)院院長(zhǎng)，UOFM高級(jí)分布式學(xué)習(xí)（ADL）合作實(shí)驗(yàn)室主任，中國(guó)教育部青少年網(wǎng)絡(luò)心理與行為重點(diǎn)實(shí)驗(yàn)室高級(jí)研究員。
摘要：
語(yǔ)義表示分析（SRA）是基于向量的語(yǔ)義分析的一般框架。 在這個(gè)框架內(nèi)，自然語(yǔ)言的語(yǔ)義以誘導(dǎo)語(yǔ)義結(jié)構(gòu)的形式表示。 SRA在信息檢索、文本分析和智能輔導(dǎo)系統(tǒng)中有很大的應(yīng)用。 在這個(gè)講座中，我將會(huì)：1）介紹一個(gè)SRA的數(shù)學(xué)模型；2）介紹和展示一種生成個(gè)性化的、領(lǐng)域特定的、上下文敏感的語(yǔ)義表示的方法；3）介紹和展示作為局部學(xué)生模型的學(xué)習(xí)者特征曲線以及它在智能輔導(dǎo)系統(tǒng)中的應(yīng)用。
石川，博士、北京郵電大學(xué)計(jì)算機(jī)學(xué)院教授、博士研究生導(dǎo)師、智能通信軟件與多媒體北京市重點(diǎn)實(shí)驗(yàn)室副主任。
摘要：
當(dāng)前的社會(huì)網(wǎng)絡(luò)分析主要針對(duì)同質(zhì)網(wǎng)絡(luò)（即網(wǎng)絡(luò)中結(jié)點(diǎn)類型相同），但是現(xiàn)實(shí)世界中的網(wǎng)絡(luò)化數(shù)據(jù)通常包含不同類型的對(duì)象，并且對(duì)象之間的關(guān)聯(lián)表示不同的語(yǔ)義關(guān)系。構(gòu)建異質(zhì)信息網(wǎng)絡(luò)（即包含不同類型的結(jié)點(diǎn)或邊的網(wǎng)絡(luò)）可以包含更加完整的對(duì)象之間的關(guān)聯(lián)信息，因此分析這類網(wǎng)絡(luò)有希望挖掘更加準(zhǔn)確的模式。本課題以異質(zhì)信息網(wǎng)絡(luò)為對(duì)象，深入分析異質(zhì)網(wǎng)絡(luò)的復(fù)雜結(jié)構(gòu)和豐富語(yǔ)義對(duì)數(shù)據(jù)挖掘帶來(lái)的挑戰(zhàn)。本報(bào)告將介紹異質(zhì)信息網(wǎng)絡(luò)的基本概念、特點(diǎn)、和分析方法，以及在實(shí)際問(wèn)題中的應(yīng)用。
崔鵬，清華大學(xué)副教授。
摘要：
現(xiàn)在，在應(yīng)用當(dāng)中出現(xiàn)越來(lái)越大的網(wǎng)絡(luò)，網(wǎng)絡(luò)數(shù)據(jù)也變得越來(lái)越具有復(fù)雜性和挑戰(zhàn)性。為了有效地處理圖譜數(shù)據(jù)，第一個(gè)關(guān)鍵的挑戰(zhàn)就是如何表示網(wǎng)絡(luò)數(shù)據(jù)，即如何正確表示網(wǎng)絡(luò)以便在時(shí)間和空間上高效地進(jìn)行模式發(fā)現(xiàn)、分析、預(yù)測(cè)等高級(jí)分析任務(wù)。 在這個(gè)報(bào)告中，我將回顧一下網(wǎng)絡(luò)嵌入的最新思想和研究成果。 更具體地說(shuō)就是，將討論網(wǎng)絡(luò)嵌入中的一系列基本問(wèn)題，包括為什么需要重新考慮網(wǎng)絡(luò)表示，網(wǎng)絡(luò)嵌入的研究目標(biāo)是什么，網(wǎng)絡(luò)嵌入如何學(xué)習(xí)以及網(wǎng)絡(luò)嵌入的主要未來(lái)方向。
劉知遠(yuǎn)，清華大學(xué)計(jì)算機(jī)系助理教授。
摘要：
語(yǔ)言是人類交流的工具、人類文化的載體，是了解人類社會(huì)的重要視角。近年來(lái)隨著表示學(xué)習(xí)在自然語(yǔ)言處理中的應(yīng)用，語(yǔ)言表示學(xué)習(xí)也為社會(huì)科學(xué)研究提供了全新的技術(shù)工具，特別是面向在線社會(huì)媒體的大規(guī)模用戶產(chǎn)生內(nèi)容進(jìn)行用戶和內(nèi)容分析，具有很大優(yōu)勢(shì)。本報(bào)告將介紹語(yǔ)言表示學(xué)習(xí)技術(shù)在計(jì)算社會(huì)科學(xué)方面的最新動(dòng)態(tài)，探討該方向的未來(lái)發(fā)展趨勢(shì)。
韓家煒，ACM院士和IEEE院士，伊利諾伊大學(xué)厄巴納 - 香檳分校計(jì)算機(jī)科學(xué)系A(chǔ)bel Bliss教授。
摘要：
現(xiàn)實(shí)世界的大數(shù)據(jù)在很大程度上是以自然語(yǔ)言文本形式存在的非結(jié)構(gòu)性的、相互關(guān)聯(lián)的數(shù)據(jù)。對(duì)于這樣的海量文本數(shù)據(jù)，從多維角度觀看和分析是非常理想的。不過(guò)這也提出了一個(gè)重大的挑戰(zhàn)，即如何將非結(jié)構(gòu)化文本數(shù)據(jù)轉(zhuǎn)換為結(jié)構(gòu)化文本然后在多維空間中去分析這些數(shù)據(jù)。為了促進(jìn)這樣的分析，我們提出了一種文本立方體（textcube）建模方法，并討論了如何從大量文本語(yǔ)料庫(kù)構(gòu)建這樣的立方體，以及如何使用這種文本立方體進(jìn)行多維OLAP分析。在過(guò)去的幾年里，我們開(kāi)發(fā)出一種文本挖掘方法，這種方法只需要遠(yuǎn)程的或最小的監(jiān)督，而不是依靠大量數(shù)據(jù)。 在這個(gè)報(bào)告中，我將展示：
（1）從海量文本數(shù)據(jù)中挖掘出高質(zhì)量的短語(yǔ)；
（2）通過(guò)遠(yuǎn)程監(jiān)督從海量文本數(shù)據(jù)中提取類型；
（3）通過(guò)元路徑定向模式發(fā)現(xiàn)實(shí)體、屬性和值；
（4）從大量的語(yǔ)料庫(kù)中構(gòu)建分面分類法；
（5）從大量文本構(gòu)建文本立方體；
（6）對(duì)這些立方體進(jìn)行多維分析。
這里我們展示的范例——將大量的文本數(shù)據(jù)轉(zhuǎn)化為結(jié)構(gòu)化和有用的知識(shí)——將是一個(gè)非常有希望的方向。
趙鑫，中國(guó)人民大學(xué)計(jì)算機(jī)副教授。
摘要：
隨著互聯(lián)網(wǎng)技術(shù)的不斷發(fā)展，各種社交媒體平臺(tái)都得到了廣泛的使用。社交網(wǎng)絡(luò)平臺(tái)中蘊(yùn)含大量的用戶信息，包括用戶個(gè)人屬性信息（如年齡、性別等等）、用戶所發(fā)表的內(nèi)容信息等等。如何充分利用社交媒體平臺(tái)的信息來(lái)加強(qiáng)用戶個(gè)性化建模，從而推動(dòng)商業(yè)數(shù)據(jù)挖掘成了一個(gè)研究熱點(diǎn)。本次報(bào)告試圖系統(tǒng)梳理一些重要的商業(yè)大數(shù)據(jù)應(yīng)用問(wèn)題，如用戶意圖檢測(cè)、用戶畫像構(gòu)建以及推薦算法等。
楊洋，浙江大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院助理教授。
摘要：
前所未有的人類流動(dòng)推動(dòng)了全球高速的城市化進(jìn)程。在中國(guó)，1978年至2012年間，城市人口居住比例從17.9％上升到52.6％。這種大規(guī)模的移民對(duì)政策制定者和研究人員來(lái)說(shuō)既是重大的挑戰(zhàn)，又是重要的問(wèn)題。在這個(gè)報(bào)告中，我將介紹我們對(duì)移民融合過(guò)程的研究。
具體而言，我們采用了上海一個(gè)月的電信元數(shù)據(jù)完整的數(shù)據(jù)集，其中擁有5400萬(wàn)用戶和6.98億個(gè)通話記錄。我們發(fā)現(xiàn)本地人和移民在移動(dòng)通信網(wǎng)絡(luò)和地理位置上存在有系統(tǒng)的差異。例如移民在定居后相比本地人會(huì)有更多的社會(huì)接觸，在城市中的移動(dòng)半徑要大于本地人。通過(guò)區(qū)分新移民（最近移居上海）和定居的移民（在上海待了一段時(shí)間），我們發(fā)現(xiàn)了新移民在前三周的融合過(guò)程。此外，我們進(jìn)一步調(diào)查了移民在第一周的行為，特別是他們的行為與最終提早離開(kāi)之間的關(guān)系。我們發(fā)現(xiàn)最終離開(kāi)的移民，在頭幾個(gè)星期往往都沒(méi)有發(fā)展處多樣性的聯(lián)系，也沒(méi)有在城市周圍移動(dòng)；他們活動(dòng)區(qū)域的住房?jī)r(jià)格也高于那些最終留下來(lái)的移民的住房?jī)r(jià)格。
時(shí)間：2017年12月22日-24日
地點(diǎn)：中科院計(jì)算所一層報(bào)告廳（北京市海淀區(qū)中關(guān)村科學(xué)院南路6號(hào)）
報(bào)名方式：
1）現(xiàn)場(chǎng)聽(tīng)課：即日起至2017年12月20日，報(bào)名請(qǐng) 登錄 https://jinshuju.net/f/yxdpPx
2）線上聽(tīng)課： 點(diǎn)擊 報(bào)名鏈接，雷鋒網(wǎng)AI慕課學(xué)院已獲獨(dú)家視頻授權(quán)，或者掃描下圖二維碼報(bào)名
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。
