KDD 2017華人獲獎情況

北京時間8月15日，在經過兩天的Tutorial和Workshops後，KDD 2017於今天下午正式開幕。

開場，KDD 2017大會主席Stan Matwin向我們展示了一組數據：本次KDD共有來自51個國家1656名註冊參會人員，是美國之外註冊人數最多的一屆，參會人數最多的五個國家依次是：美國、中國、加拿大、印度和日本。這次會議共收到有效投稿論文1143篇，頒發學生獎學金15.3萬美元，均創下歷史新高。KDD 2017獲得了54.4萬美金的贊助支持，金額達到有史以來的第二高。

論文詳細收錄名單如下：http://www.kdd.org/kdd2017/accepted-papers

隨後，KDD 2017大會主席Stan Matwin與區域主席Evangelos Milios，被哈利法克斯市政府授予哈利法克斯大使獎。

大會副主席Faisal Farooq在發表致辭時，感謝了組委會的48位成員及158位辛勤付出的志願者。

ACM SIGKDD主席裴健博士介紹了SIGKDD組織，目前SIGKDD共有1862位來自全球64個國家的活躍會員，擁有超過200萬美元的經費。裴健博士在會上呼籲大家積極加入SIGKDD，成為其中的一員。

會上公布了KDD 2017的一系列數據：

• 今年的KDD研究類論文的審核總數為748篇，收錄130篇，包括64篇oral，66篇poster，錄用率分別佔8.6%及8.8%。
• 而應用類論文共審核390篇，收錄86篇，包括36篇oral，50篇poster，錄用率分別佔9.2%和12.6%。
• 論文提交數最多的國家是美國（佔50%）與中國（佔13%）。

• 論文中最受歡迎的話題是：時間與時序數據（temporal and time-series data），圖演算法（graph algorithms）。
• Invited talk的關注領域：用數據科學理解行為，機器學習應用，智能系統和數據科學，管理與基準。

在隨後的議程上，KDD 2017公布了最佳論文&最佳學生論文獎，最佳應用論文獎，以及最佳博士論文獎（見後文詳細介紹）。

接下來進行了KDD Cup的頒獎。本次KDD Cup由阿里天池承辦，名叫Convolution的團隊包攬了兩個比賽第一名，成員來自美團點評、微軟中國和北京航空航天大學。關於這次比賽的結果，歡迎關注雷鋒網(公眾號：雷鋒網)的後續報道。

隨後KDD對今年授予的三大核心獎項進行頒獎。2016年雷鋒網 AI 科技評論就針對當年的這三個獎項及獲獎者進行逐一介紹，詳情可參考《KDD2016各大獎項獲獎名單解密》。

在熱烈的掌聲中，十年最佳論文獎／時間檢驗論文獎獲得者 Thorsten Joachims 博士，傑出服務獎獲得者、香港科技大學教授楊強博士，KDD創新獎獲得者、西蒙弗雷澤大學教授裴健博士，依次上台領獎。雷鋒網此前已對這三個獎項及得獎者做了詳細介紹。

最後，裴健博士以《Pattern Mining Introspection and Prospective》（模式挖掘的回顧與展望）為主題做了大會報告，他以「啤酒與尿布」這一廣為人知的案例說起，分享了他對於模式挖掘的最新研究成果和經驗。

KDD的三大論文獎項包括，最佳論文&最佳學生論文獎（Best Paper & Best Student Paper Award）和最佳應用論文獎（Applied Data Science Best Paper Award），博士論文獎（Doctoral Dissertation Award）。

最佳論文&最佳學生論文獎

論文：Accelerating Innovation Through Analogy Mining

作者：Tom Hope，Joel Chan，Aniket Kittur，Dafna Shahaf

摘要：大型概念資源庫（如美國專利資料庫）可以向人們提供類似問題的解決方案的靈感，從而加速創新和發現。然而在這些龐大而凌亂的資源庫中發現有用的信息，對於人類或自動化技術來說仍是一個挑戰。傳統的解決方法有，具有高度關係結構（如謂詞演算表徵）但非常稀疏，且成本很高的人工創建的資料庫。更為簡單的機器學習/信息檢索相似性度量可以擴展到大型的自然語言數據集，但很難解釋結構相似性，而這又是類比的核心。這篇論文探討了學習更簡單的結構表徵的可行性和價值，特別是「問題模式」，它規定了產品的目的，以及實現該目的的機制。論文中的方法結合眾包和CNN，提取產品描述中的目的和機制向量表示。論文表明，這些學習到的向量能比傳統的信息檢索方法，以更高精度和更快速度找到類比。在一個思想實驗中，模型檢索的類比能力提升了產生創意的可能性。研究結果表明，學習和利用較弱的結構表徵，是大規模計算類比的有效方法。

Runner up論文：

Toeplitz Inverse Covariance-Based Clustering of Multivariate Time Series Data

作者：David Hallac, Sagar Vare, Stephen Boyd, Jure Leskovec

最佳應用論文獎

論文：HinDroid: An Intelligent Android Malware Detection System Based on Structured Heterogeneous Information Network

作者：Yanfang Ye，Shifu Hou，Yangqiu Song

摘要：隨著Android惡意軟體的增長及其對用戶的影響，Android惡意軟體檢測已成為網路安全日益重要的課題。Android惡意軟體也越來越複雜，需要新防禦技術從而保護用戶免受威脅。這篇論文中，為了檢測Android惡意軟體，我們不再僅僅使用API調用，而是進一步分析它們之間的不同關係，並創建更高層次的語義，這就讓攻擊者更難逃避被檢測。我們將Android應用，相關的API，及其與結構化異構信息網路（HIN）的豐富關係作為代表。然後我們使用基於元路徑的方法來表徵應用程序和API的語義相關性。我們使用每個元路徑來制定Android應用的相似性度量，並使用多內核學習聚合不同的相似之處。然後通過學習演算法自動加權每個元路徑進行預測。據我們所知，這是使用結構化HIN進行Android惡意軟體檢測的最佳方法。對來自Comodo Cloud Security Center的實體樣本收集進行綜合實驗，我們比較了各種惡意軟體檢測方法。實驗結果表明，我們開發的HinDroid系統，勝過其他Android惡意軟體檢測技術。HinDroid已經被併入Comodo Mobile Security產品的掃描工具。

Runner up論文：

DeepSD: Generating High Resolution Climate Change Projections through Single Image Super-Resolution

作者：Thomas Vandal, Evan Kodra, Sangram Ganguly, Andrew Michaelis, Ramakrishna Nemani, Auroop R Ganguly

博士論文獎

最佳論文：Local Modeling of Attributed Graphs: Algorithms and Applications

作者：Bryan Perozzi

摘要：對於在原始連接信息之外、有關聯節點屬性的圖，在現實中遇到它們正變得常態化。社交網路就是個例子：既包含交友關係，又有興趣和人口統計信息等用戶屬性。一個存在於蛋白質之間的交互網路，可能不僅有交互關係，還包含了蛋白質的基因表達層。這些信息就能用一個圖來描述——其中用節點表示對象，用邊緣表示它們之間的關係，與節點關聯的特徵向量表示屬性。這種圖數據通常被稱作是屬性圖。這份論文聚焦於為屬性圖開發可擴展的演算法與模型。這些數據可被看作是既離散（邊緣）、又連續（嵌入節點之間的距離），我會從這兩個角度探討這個問題。

具體地，我展示了一個網上學習演算法，利用最新的深度學習技術生成豐富的圖嵌入。我通過這一新方法對多重社會關係進行編碼，其結果對網路中的多標籤分類和回歸都非常有價值。

對於離散圖所呈現出的反常社群，我展示了用來處理它們的本地演算法。對於導致社群誕生的圖屬性（比如某社交網路中的用戶共同興趣），這些演算法找出了它們的子集。該論文中，所有方法的可擴展性通過有限的圖初始參數來保證，比如 ego networks 和truncated random walks，它們以每個頂點為中心對本地信息進行利用。另外，對圖變數的範圍進行限制，使得我的方法能進行簡單的並行處理。這需要通過大數據處理商品工具來實現，比如MapReduce 和 Spark 。本研究的應用前景很廣闊：包括數據挖掘、信息檢索、用戶畫像、人口統計推理、線上廣告以及詐騙識別。

Runner up論文：

User Behavior Modeling with Large-Scale Graph Analysis（作者：Alex Beutel）

Mining Large Multi-Aspect Data: Algorithms and Applications（作者：Evangelos Papalexakis）

Honorable Mention論文：

Computational Lens on Big Social and Information Network （作者：Yuxiao Dong）

轉載自雷鋒網