中國力量占領(lǐng)KDD：包攬“大數(shù)據(jù)領(lǐng)域世界杯”全部冠亞軍，北航拿下最佳學(xué)生論文獎

蕭簫 2020-08-28 13:24:19 來源：量子位

蕭簫 發(fā)自 凹非寺
量子位 報道 | 公眾號 QbitAI

數(shù)據(jù)挖掘、知識發(fā)現(xiàn)領(lǐng)域的最高學(xué)術(shù)會議——KDD 2020的所有獎項已全部公布。

KDD，全稱Knowledge Discovery and Data Mining，由SIGKDD舉辦，后者是美國計算機(jī)學(xué)會ACM旗下數(shù)據(jù)挖掘和知識發(fā)現(xiàn)的專業(yè)組織。

在這次的AI頂會中，中國力量，依然奪目。

其中，北航學(xué)生獲得最佳學(xué)生論文，滴滴出行6篇論文入選；

而在挑戰(zhàn)賽上，美團(tuán)、第四范式、螞蟻金服、深度賦智等業(yè)界團(tuán)隊，以及國立臺灣大學(xué)、東南大學(xué)、上海交大、中山大學(xué)和清華大學(xué)等學(xué)術(shù)界團(tuán)隊斬獲了所有賽道的冠亞軍。

這次挑戰(zhàn)賽的主辦方大部分來自中國，包括阿里巴巴達(dá)摩院、清華大學(xué)、BienData、第四范式、滴滴出行等。

此外，湯繼良、盛勝利、唐杰等華人學(xué)者在本屆SIGKDD大會上也獲得了多項大獎。

最佳論文獎

今年最佳論文獎由來自谷歌研究院的Walid Krichene和Steffen Rendle獲得。

這篇論文對樣本指標(biāo)進(jìn)行了調(diào)查，并給出了在度量標(biāo)準(zhǔn)計算中應(yīng)該避免抽樣的建議。

這是因?yàn)?，為了加快度量?biāo)準(zhǔn)的計算，通常會采用抽樣的模式進(jìn)行度量，只對較小的一組隨機(jī)項和相關(guān)項進(jìn)行排名。但調(diào)查發(fā)現(xiàn)，樣本指標(biāo)與精確的度量不一致，因?yàn)檫@些指標(biāo)不會保留相關(guān)項的陳述。

而且，樣本越小，指標(biāo)之間的差異也會越小，對于非常小的樣本，所有指標(biāo)都會變成AUC指標(biāo)。所以，可以通過最小化不同的標(biāo)準(zhǔn)（偏差或均方誤差），來提高樣本指標(biāo)的性能。

此外，今年KDD的最佳學(xué)生論文獎，則由來自杜克大學(xué)陳怡然團(tuán)隊、以及北航的研究人員摘得。

最佳學(xué)生論文獎

最佳學(xué)生論文獎由來自北京航空航天大學(xué)的段逸驍、楊建磊，以及杜克大學(xué)的陳怡然、Ang Li和Huanrui Yang獲得。

據(jù)悉，論文一作Ang Li目前是阿里巴巴達(dá)摩院的實(shí)習(xí)生。

為了解決深度學(xué)習(xí)數(shù)據(jù)集涉及侵犯用戶隱私的問題，這篇論文提出了一個名為TIPRDC的框架，目的在于學(xué)習(xí)一個特征提取器，可以從中間特征中隱藏隱私信息，同時也最大限度地保留嵌入在原始數(shù)據(jù)中的原始信息。

為了達(dá)成這個目標(biāo)，團(tuán)隊設(shè)計了一種混合訓(xùn)練方法，用于學(xué)習(xí)中間特征，包括用于從特征中隱藏隱私信息的對抗訓(xùn)練過程，以及使用基于神經(jīng)網(wǎng)絡(luò)的交互信息估計器、用于最大程度地保留原始信息。

從評估效果來看，TIPRDC明顯優(yōu)于其他現(xiàn)有方法。

華人獲新星獎、時間檢驗(yàn)獎

此外，KDD首屆新星獎（旨在表彰KDD社區(qū)里在博士畢業(yè)五年內(nèi)便獲得卓越科研成就的年輕學(xué)者），頒給了兩位學(xué)者，其中一位就是華人學(xué)者湯繼良。

這位在特征學(xué)習(xí)領(lǐng)域作出杰出貢獻(xiàn)的學(xué)者，目前在密歇根州立大學(xué)數(shù)據(jù)科學(xué)與工程實(shí)驗(yàn)室進(jìn)行研究。

而KDD的第一屆應(yīng)用科學(xué)時間檢驗(yàn)獎則頒給了清華大學(xué)計算機(jī)科學(xué)與技術(shù)系長聘教授唐杰，這篇獲獎的論文名為《ArnetMiner: Extraction and Mining of Academic Social Networks》。

據(jù)悉，唐杰教授目前任清華大學(xué)計算機(jī)系副主任，曾入選國家“杰出青年”名單，目前發(fā)表論文 200余篇，被引用10000余次（個人h-指數(shù)59）。

至于KDD的時間檢驗(yàn)研究獎（表彰10年前杰出的KDD論文），則頒給了來自美國阿肯色中央大學(xué)計算機(jī)科學(xué)系教授和數(shù)據(jù)分析實(shí)驗(yàn)室的主任盛勝利。

不僅在KDD 2020上，能看見各位來自中國的學(xué)者一展風(fēng)采，在素有“大數(shù)據(jù)領(lǐng)域世界杯”之稱的KDD Cup 2020上，也能感受到來自中國團(tuán)隊的力量。

中國包攬“大數(shù)據(jù)領(lǐng)域世界杯”冠亞軍

除了在KDD這樣的全球AI頂會，SIGKDD每年還會舉行KDD Cup挑戰(zhàn)賽，同時面向?qū)W術(shù)界和業(yè)界。

今年的挑戰(zhàn)賽各賽道的主辦方，大部分來自中國，包括阿里巴巴達(dá)摩院、清華大學(xué)、BienData、第四范式以及滴滴出行等。

而在今年的機(jī)器學(xué)習(xí)、AutoML機(jī)器學(xué)習(xí)、強(qiáng)化學(xué)習(xí)這3大賽道中，中國團(tuán)隊包攬了所有的冠亞軍。

一起來看看這次比賽的獎項結(jié)果。

常規(guī)機(jī)器學(xué)習(xí)賽道

在KDD CUP 2020上，常規(guī)機(jī)器學(xué)習(xí)被分成了兩個賽道。

機(jī)器學(xué)習(xí)賽道一由阿里巴巴達(dá)摩院主辦，其中阿里、杜克大學(xué)、清華大學(xué)和UIUC也參與了此次贊助，兩項任務(wù)分別各有一千多個小組參加了比賽。

賽道一的有兩個任務(wù)，一個是多模態(tài)召回（Multimodalities Recall ），另一個則是去偏差(Debiasing)。

在任務(wù)一中，國立臺灣大學(xué)（WinnieTheBest）和美團(tuán)點(diǎn)評（MTDP_CVA）的團(tuán)隊分別獲得了冠亞軍，而季軍的團(tuán)隊也同樣來自美團(tuán)（aister）。

在任務(wù)二中，來自美團(tuán)點(diǎn)評（aister）與深度賦智（DeepWisdom）的團(tuán)隊獲得了冠亞軍，而季軍團(tuán)隊則來自北京航空航天大學(xué)。

而機(jī)器學(xué)習(xí)賽道二只有一個任務(wù)，即學(xué)術(shù)圖譜上的對抗攻擊和防御，涉及到生成對抗網(wǎng)絡(luò)（GAN）的知識。

在賽道二中，最終的冠亞軍分別由上海交通大學(xué)（SPEIT-卓工）和中山大學(xué)、杭州電子科大的（ADVERSARIES）團(tuán)隊獲得，其中季軍團(tuán)隊（DaftStone）來自中國科學(xué)技術(shù)大學(xué)。

此次機(jī)器學(xué)習(xí)賽道二的主辦方是BienData，共有544名選手參與了此次比賽。

AutoML機(jī)器學(xué)習(xí)賽道

至于AutoML機(jī)器學(xué)習(xí)賽道，則聚焦于圖表示學(xué)習(xí)技術(shù)，核心任務(wù)是基于圖的拓?fù)浣Y(jié)構(gòu)，學(xué)習(xí)節(jié)點(diǎn)或者全圖的向量表達(dá)，更好地用于下游機(jī)器學(xué)習(xí)任務(wù)（商品推薦、知識圖譜補(bǔ)全、交通流量預(yù)測等）中。

這個賽道的主辦方為第四范式，其中ChaLearn、斯坦福大學(xué)和谷歌共同協(xié)辦。

最終冠軍由來自美團(tuán)點(diǎn)評、中國科學(xué)院大學(xué)和清華大學(xué)（aister）的團(tuán)隊獲得，亞軍為南京大學(xué)（PASA_NJU）的團(tuán)隊，至于季軍團(tuán)隊，則來自螞蟻金服（qqerret）。

值得一提的是，這項比賽的所有代碼都在GitHub上放出了公開鏈接，感興趣的小伙伴們可以自行學(xué)習(xí)（文末附公開鏈接）。

強(qiáng)化學(xué)習(xí)賽道

這次的強(qiáng)化學(xué)習(xí)賽道由滴滴舉辦，共設(shè)計了訂單分配和車輛調(diào)度兩個任務(wù)，參賽團(tuán)隊需設(shè)計開發(fā)算法來指定在派單窗口內(nèi)的訂單和司機(jī)的匹配，并指引一批空閑司機(jī)開往指定目的地。

這次一共有1195位參賽選手、共1007支隊伍參加了這項比賽，比賽結(jié)果于昨日在KDD大會上公布。

其中，第一個任務(wù)的冠亞軍分別由來自第四范式和北航（Polar Bear）和來自中山大學(xué)（EM）的團(tuán)隊獲得，而季軍則是來自Lyft的團(tuán)隊。

至于第二項任務(wù)，則由來自東南大學(xué)、普渡大學(xué)（TLab）的團(tuán)隊、以及南京大學(xué)（wait a minute）的團(tuán)隊獲得冠亞軍，季軍由日本的NTTdocomo實(shí)驗(yàn)室摘得。

論文鏈接：

最佳論文：https://dl.acm.org/doi/pdf/10.1145/3394486.3403226

最佳學(xué)生論文：https://arxiv.org/abs/2005.11480AutoML

項目鏈接：

https://www.4paradigm.com/competition/kddcup2020

參考鏈接：

https://www.kdd.org/kdd2020/

https://www.reddit.com/r/MachineLearning/comments/ihg1kw/r_kdd_2020_video_collection_best_papers_keynotes/

https://www.kdd.org/kdd2020/kdd-cup