蒲庙信息网

首页 > 正文

华人夺魁,「魔球」理论获奖:KDD 2019所有奖项出炉

www.dasvelas.com2019-09-04

机器之心报道

机器之心编辑部

国际数据挖掘顶会 KDD 2019 刚刚放出了最佳论文等奖项。最受瞩目的最佳论文奖由康奈尔大学 Kun Dong 等人,以及比利时鲁汶大学的 Tom Decroos 等人获得。除研究之外,大会举办的三大竞赛(KDD CUP)均由中国公司包揽。

第 25 届 ACM SIGKDD 知识发现和数据挖掘会议(KDD)已于今年 8 月 4 日在美国阿拉斯加州安克雷奇开幕。今年的大会奖项分为研究方向和应用数据科学方向。在今天公布的最佳论文中,康奈尔大学的《Network Density of States》获得了研究类最佳论文奖;而应用数据科学方向的最佳论文为《Actions Speak Louder than Goals: Valuing Player Actions in Soccer》,这是一篇有关足球技术分析方面的研究,来自比利时天主教鲁汶大学以及体育分析公司 SciSports。为了提升论文接收的质量,KDD 2019 首次采用了双盲审查制度,本次大会也对研究的可复现性提出了新的要求,强调其为「论文审核过程中的一个重要因素」,只有包含两页可复现性内容附录的文章才有可能被评为 KDD 最佳论文。KDD 对论文接收非常严格,每年的接收率均未超过 20%。本届大会在应用数据科学方向共收到大约 700 篇论文,其中 45 篇 oral 论文,约 100 篇被接收为 poster 论文;研究方向共收到约 1200 篇投稿,其中约 110 篇 oral 论文,60 篇 poster 论文,接收率仅为 14%。研究方向最佳论文论文:Network Density of States作者:Kun Dong、Austin R. Benson、David Bindel(康奈尔大学)链接:

谱分析将图结构与相关矩阵的特征值和特征向量联系在一起。许多谱图理论直接源于谱几何,即通过相关微分算子的谱研究可微流形。但从谱几何到谱图理论的转换主要集中在只涉及少数极端特征值及其相关特征值的结果上。与谱几何不同的是,通过特征值的总体分布(谱密度)来研究图很大程度上局限于简单的随机图模型。真实世界图谱的内部很大程度上还未被探索,所以难以计算和解释。在本文中,研究者深入探索了真实世界图谱谱密度的核心。他们借用了凝聚态物理学中开发的工具,并添加了新的适应性来处理常见图形的谱特征。他们计算了单个计算节点上超过 10 亿个边的图的谱密度,证明所得到的方法非常高效。除了提供视觉上引人注目的图形指纹之外,研究者还展示了谱密度的估计如何简化许多常见的中心度量的计算,并使用谱密度估计关于图结构的有意义信息,这些信息不能仅从极值特征对推断出来。

四家获奖公司中,两家来自英国,另两家则是国内创业公司,其中包括清华大学 AI 研究院的创业公司 RealAI(瑞莱智慧)以及企业征信机构天眼查。

本文为机器之心报道,转载请联系本公众号获得授权。

?------------------------------------------------

加入机器之心(全职记者 / 实习生):

投稿或寻求报道:

广告 & 商务合作:

达到当天最大量

——

热门浏览
热门排行榜
热门标签
日期归档