雷鋒網(wǎng)消息，8 月 7 日，國際數(shù)據(jù)挖掘頂會 KDD 2019上三大競賽 KDD CUP 比賽結(jié)果出爐，中國參賽者獲獎。

KDD CUP今年有 2800 多支注冊隊(duì)伍參賽，包括了 230 個學(xué)術(shù)和研究機(jī)構(gòu)，分為三個賽道：常規(guī)機(jī)器學(xué)習(xí)競賽、自動機(jī)器學(xué)習(xí)競賽、強(qiáng)化學(xué)習(xí)競賽。

其中，常規(guī)機(jī)器學(xué)習(xí)競賽由百度贊助，包括兩個任務(wù)：最適合的交通方式推薦、開放研究／應(yīng)用挑戰(zhàn)。在最適合的交通方式推薦中，冠軍為螞蟻金服的支付寶安全團(tuán)隊(duì)，亞軍團(tuán)隊(duì)來自上海微盟、趨勢科技、滴滴、北京郵電大學(xué)、華南理工大學(xué)、京東等。在開放研究／應(yīng)用挑戰(zhàn)中，冠軍為日本 NTT DOCOMO 公司，亞軍則來自東南大學(xué)。

自動機(jī)器學(xué)習(xí)競賽由第四范式贊助，獲得冠軍的是 DeepBlueAI 和北京大學(xué)團(tuán)隊(duì)，亞軍是來自新加坡國立大學(xué)的團(tuán)隊(duì)。

強(qiáng)化學(xué)習(xí)競賽由IBM Afirca 和Hexagon－ML.com 贊助，冠軍是中國臺灣國立成功大學(xué)的團(tuán)隊(duì)，亞軍是清華大學(xué)、京東和北京航天航空大學(xué)的團(tuán)隊(duì)。

雷鋒網(wǎng)從螞蟻金服了解到了其獲獎項(xiàng)目詳情。支付寶安全團(tuán)隊(duì)獲得冠軍的賽題主要是在城市復(fù)雜出行情境下，預(yù)測用戶在地圖上會選擇的出行方案。因?yàn)槎喾N出行方式的組合，可選的出行方案有十幾種之多可選。這次的比賽不僅更看重模型最終結(jié)果，也同時強(qiáng)調(diào)了模型的上線應(yīng)用效率和業(yè)務(wù)應(yīng)用易解釋性。

螞蟻金服介紹，這個題目實(shí)際上是一個基于上下文的多模態(tài)交通推薦問題，類似于高德手機(jī)地圖如何給用戶推薦最合適的交通方式的問題，具有很強(qiáng)的應(yīng)用場景。

“本次比賽獲獎主要優(yōu)勢有兩個：一個是我們 alpha risk 團(tuán)隊(duì)沉淀一套自動建模的工具，加速和優(yōu)化了整個比賽得特征工程部分；另外，在 F1 評分函數(shù)上我們設(shè)計使用了 F1 最大化優(yōu)化算法也明顯提升了我們的模型效果?！蔽浵伣鸱墓ぷ魅藛T說。

為何螞蟻金服的優(yōu)勢在金融領(lǐng)域，卻派出了支付寶安全團(tuán)隊(duì)參加“最適合的交通方式推薦”競賽？雷鋒網(wǎng)了解到，螞蟻金服的數(shù)據(jù)挖掘技術(shù)團(tuán)隊(duì)隸屬支付寶安全團(tuán)隊(duì)，其很多能力輸出給別的業(yè)務(wù)線，甚至是事業(yè)部。

螞蟻金服的工作人員介紹：“我們在做智慧城市，交通是智慧城市很重要的一部分，以杭州為例，我們?yōu)楹贾莨粚?shí)現(xiàn)實(shí)時的監(jiān)測，對他們路線設(shè)計與改動提出建議。”除此之外，該技術(shù)團(tuán)隊(duì)還為氣象預(yù)測（比如霧霾監(jiān)測）、醫(yī)療場景（癌癥檢測、生物醫(yī)藥定位）等提供支持。

此外，KDD“圖深度學(xué)習(xí)國際研討會：方法與應(yīng)用（DLG 2019）”于2019年8月5日舉辦。DLG 2019旨在匯聚自不同背景和觀點(diǎn)的學(xué)術(shù)研究人員和從業(yè)者，分享在圖神經(jīng)網(wǎng)絡(luò)領(lǐng)域的前沿技術(shù)。值得一提的是，國內(nèi)人工智能獨(dú)角獸乂學(xué)教育-松鼠AI深度參與的研究項(xiàng)目包攬了研討會的最佳論文和最佳學(xué)生論文獎項(xiàng)。

獲得最佳論文的是來自華中師范大學(xué)、IBM研究院和乂學(xué)教育-松鼠AI的研究《Exploiting Graph Neural Networks with Context Information for RDF-to-TextGeneration 》，這篇論文研究的是基于RDF數(shù)據(jù)的文本生成，該任務(wù)是在給定一組RDF三元組的情況下生成相應(yīng)的描述性文本。

獲得最佳學(xué)生論文的是來自南京大學(xué)、IBM研究院和乂學(xué)教育-松鼠AI的研究《An Empirical Study of Graph Neural Networks Based Semantic Parsing》，這篇論文研究的是基于圖神經(jīng)網(wǎng)絡(luò)語義解析。

當(dāng)天的研討會由SIGKDD主席、京東集團(tuán)副總裁裴健發(fā)表開場詞，并邀請了來自斯坦福大學(xué)、清華大學(xué)、UCLA、UIUC等高校的學(xué)者發(fā)表演講。乂學(xué)教育-松鼠AI首席科學(xué)家崔煒博士也受大會邀請，介紹了目前圖深度學(xué)習(xí)和知識圖在自適應(yīng)學(xué)習(xí)中的進(jìn)展。

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