ACM SIGKDD（ACM SIGKDD Conference on Knowledge Discovery and Data Mining，國(guó)際數(shù)據(jù)挖掘與知識(shí)發(fā)現(xiàn)大會(huì)，簡(jiǎn)稱 KDD）是數(shù)據(jù)挖掘領(lǐng)域國(guó)際頂級(jí)學(xué)術(shù)會(huì)議，今年的 KDD 大會(huì)將于 8 月 23 日至 27 日在線上召開(kāi)。
8 月 13 日， SIGKDD 2020 官方公布了 2020 年 ACM SIGKDD 創(chuàng)新獎(jiǎng)、服務(wù)獎(jiǎng)、論文獎(jiǎng)、新星獎(jiǎng)、時(shí)間檢驗(yàn)研究獎(jiǎng)、時(shí)間檢驗(yàn)應(yīng)用科學(xué)獎(jiǎng)等六項(xiàng)大獎(jiǎng)的獲得者，這些獎(jiǎng)項(xiàng)是針對(duì)數(shù)據(jù)科學(xué)、機(jī)器學(xué)習(xí)、大數(shù)據(jù)和計(jì)算機(jī)科學(xué)領(lǐng)域的杰出個(gè)人和研究團(tuán)隊(duì)而設(shè)立的。
值得一提的是，今年 KDD 頒發(fā)了首屆時(shí)間檢驗(yàn)應(yīng)用科學(xué)獎(jiǎng)（Test of Time Award for Applied Science）獎(jiǎng)項(xiàng)，以表彰在數(shù)據(jù)科學(xué)的實(shí)際應(yīng)用中具有影響力的研究。清華大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)系唐杰、李涓子等人憑借他們?cè)?2008 年發(fā)表的關(guān)于學(xué)術(shù)社交網(wǎng)絡(luò)挖掘的研究成果獲得了這一獎(jiǎng)項(xiàng)。
獲獎(jiǎng)?wù)撐念}目為 ArnetMiner： Extraction And Mining Of Academic Social Networks，論文作者包括清華大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)系的唐杰、張靜、姚利敏、李涓子，以及來(lái)自 IBM 中國(guó)研究實(shí)驗(yàn)室的張莉和蘇中。
在這篇文章中，作者主要介紹了一個(gè)自主研發(fā)的面向研究者社會(huì)網(wǎng)絡(luò)的挖掘搜索系統(tǒng) ArnetMiner 的體系結(jié)構(gòu)和關(guān)鍵技術(shù)。下面我們來(lái)將詳細(xì)解讀一下這篇文章。
研究背景
近些年，學(xué)術(shù)社交網(wǎng)絡(luò)發(fā)展迅速，為眾多研究學(xué)者提供了良好的交流平臺(tái)，也產(chǎn)生了巨大的學(xué)術(shù)信息數(shù)據(jù)集。隨著數(shù)據(jù)挖掘和人工智能技術(shù)的發(fā)展，針對(duì)學(xué)術(shù)社交網(wǎng)絡(luò)進(jìn)行數(shù)據(jù)挖掘和知識(shí)提取，進(jìn)而為科學(xué)研究領(lǐng)域提供全方位的服務(wù)成為一大研究熱點(diǎn)。
在作者開(kāi)始這項(xiàng)研究之時(shí)，學(xué)術(shù)圈已有 DBLP、CiteSeer、Google Scholar 等學(xué)術(shù)搜索系統(tǒng)發(fā)布，但是往往存在以下兩項(xiàng)不足之處：
1）缺乏語(yǔ)義信息。無(wú)論用戶輸入的個(gè)人資料或使用啟發(fā)式方法提取的各類信息，語(yǔ)義存在不完整或不一致性，缺少有效獲得大規(guī)模語(yǔ)義信息的方法；
2）缺乏異構(gòu)對(duì)象的統(tǒng)一建模方法。以前，學(xué)術(shù)網(wǎng)絡(luò)中不同類型的信息如學(xué)者、論文、會(huì)議期刊是單獨(dú)建模的，因此無(wú)法準(zhǔn)確捕捉它們之間的依賴關(guān)系。
為解決這兩個(gè)問(wèn)題，作者所在的研究團(tuán)隊(duì)開(kāi)發(fā)了ArnetMiner系統(tǒng)。該系統(tǒng)旨在解決以下幾個(gè)問(wèn)題：
1）如何自動(dòng)從互聯(lián)網(wǎng)海量信息中提取研究人員的個(gè)人檔案？
2）如何集成不同來(lái)源提取的學(xué)術(shù)相關(guān)信息（例如研究人員的個(gè)人檔案和出版物）？
3）如何以統(tǒng)一的方法為不同類型的信息建模？
4）如何基于已構(gòu)建的網(wǎng)絡(luò)，提供強(qiáng)大的挖掘和搜索服務(wù)？
ArnetMiner系統(tǒng)（簡(jiǎn)稱AMiner）
圖1：AMiner系統(tǒng)框架圖
圖 1 給出了 AMiner 系統(tǒng)框架圖，AMiner 系統(tǒng)自下而上主要包括五個(gè)部分：
1）研究者個(gè)人信息抽取（Extraction）：即從網(wǎng)絡(luò)上自動(dòng)識(shí)別到研究者的個(gè)人主頁(yè)，并訓(xùn)練一個(gè)統(tǒng)一的模型，從中抽取研究者的各種基本信息。同時(shí)，從不同來(lái)源的論文數(shù)據(jù)庫(kù)抽取或收集作者所發(fā)表的論文信息；
2）個(gè)人信息融合（Integration）：通過(guò)使用研究者姓名作為標(biāo)識(shí)符，將提取的研究者的個(gè)人資料和提取的出版物信息進(jìn)行整合。提出了馬爾科夫隨機(jī)場(chǎng)概率模型，以解決融合不同來(lái)源論文數(shù)據(jù)時(shí)面臨的重名歧義問(wèn)題；
3）存儲(chǔ)和訪問(wèn)（Storage and Access）：系統(tǒng)將集成的數(shù)據(jù)存儲(chǔ)在研究者網(wǎng)絡(luò)知識(shí)庫(kù)（RNKB）中，利用MySQL作為存儲(chǔ)數(shù)據(jù)庫(kù)，并使用反向文件索引方法進(jìn)行信息索引；
4）建模（Modeling）：文章提出一個(gè)概率生成模型，通過(guò)對(duì)學(xué)術(shù)網(wǎng)絡(luò)中的研究者、論文、會(huì)議等不同類型的信息進(jìn)行綜合分析，對(duì)每種信息進(jìn)行主題分布估計(jì)；
5）搜索服務(wù)（Search Services）：基于建模結(jié)果，提供多種搜索服務(wù)，包括專家搜索、關(guān)聯(lián)關(guān)系搜索、論文推薦以及引用推薦等。
該系統(tǒng)重點(diǎn)解決三個(gè)技術(shù)難點(diǎn)：
1）學(xué)術(shù)網(wǎng)絡(luò)中研究者個(gè)人信息自動(dòng)抽取問(wèn)題；
2）不同來(lái)源學(xué)術(shù)論文融合過(guò)程中的重名排歧問(wèn)題；
3）學(xué)術(shù)網(wǎng)絡(luò)中研究者、論文、會(huì)議等異質(zhì)實(shí)體的統(tǒng)一建模問(wèn)題。
123下一頁(yè)>（免責(zé)聲明：本網(wǎng)站內(nèi)容主要來(lái)自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請(qǐng)進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。
任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁(yè)或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書(shū)面權(quán)利通知或不實(shí)情況說(shuō)明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開(kāi)相關(guān)鏈接。 ）
