SMP-社会媒体挖掘前沿预告

新版首页    通知公告    SMP-社会媒体挖掘前沿预告

主题:

 社会媒体挖掘前沿

时间:

 2022年8月4日下午14: 00至16: 10

腾讯会议链接:

 https://meeting.tencent.com/dm/vNaw3yhSwBtH

腾讯会议ID:

 782-329-598

主办单位:

 中国中文信息学会社会媒体处理专委会、山东省人工智能学会

承办单位:

 山东师范大学信息科学与工程学院

执行主席:

 郭磊 山东师范大学

 朱磊 山东师范大学

 

 本次社会媒体挖掘研讨会,着重研讨社会媒体中的数据集构建和知识挖掘、基于深度学习的序列推荐、基于因果推断的OOD推荐等内容,欢迎对社会媒体挖掘前沿研究动态和最新进展感兴趣的同仁在线参会。

 

会议议程

14:00-14:05

会议介绍

14:05 -14:45

王大玲,东北大学

报告题目:Building Datasets and Mining Knowledge from Social Media

14:45-15:25

赵朋朋,苏州大学

报告题目:Deep Learning for Sequential Recommendation

15:25-16:05

冯福利,中国科学技术大学

报告题目:基于因果推断的OOD推荐

16:05 -16:10

总结 

 

报告嘉宾

 

 王大玲,女,现任东北大学计算机科学与工程学院计算机科学系教授、博士生导师。中国中文信息学会社会媒体处理专业委员会常务委员,中国中文信息学会情感计算专业委员会委员,中国计算机学会自然语言处理专业委员会委员。曾经主持国家自然科学基金面上项目、国家863项目(子课题),国家重点专项基金项目、国家重点研发(子课题)项目,参与国家973项目,目前正在主持“社会媒体处理、对话生成”方面的国家自然科学基金项目,曾获教育部高校自然科学二等奖、辽宁省科技进步一等奖。近年来,在IEEE Transactions on Neural Networks and Learning Systems、IEEE Transactions on Multimedia、World Wide Web J、Knowledge-based Systems、SCIENCE CHINA Information Sciences、Knowledge and Information Systems、软件学报、计算机学报等学术期刊及AAAI、SIGIR、ACL、IJCAI、WWW、CIKM、EMNLP、DASFAA等国际会议上发表论文多篇。

 报告题目:Building Datasets and Mining Knowledge from Social Media

 内容简介:Data mining tasks can be classified into descriptive tasks and predictive tasks, the latter of which has wider applications currently. For predictive data mining task, model training is the key, and high-quality training dataset is the basis of modeling. At the same time, from the perspective of application, in addition to datasets, the relevant users need to be accurately presented and described, and more external knowledge should be applied. For the above reasons, this report introduces the construction and application of social media datasets, user profiles and knowledge graphs based on the characteristics and application requirements of social media data.

 

 

 赵朋朋,博士,苏州大学计算机科学与技术学院教授,博士生导师,苏州工业园区科技领军人才, CCF高级会员,CCF人工智能与模式识别专委会委员。近年来,主持国家自然科学基金项目2项、省市级项目5项,获苏州市科技进步奖2项;主持多项企业/国防横向项目研发,拥有发明专利20余项。发表学术论文100余篇,其中包括60余篇TKDE、AAAI、IJCAI、WWW、ACM MM、ICDM等CCF-A/B类论文;担任AAAI、KDD、IJCAI、CIKM、WSDM、PAKDD等国际会议程序委员会委员。主要研究兴趣包括推荐系统、数据挖掘、大数据分析等。

 报告题目:Deep Learning for Sequential Recommendation

 内容简介:个性化推荐已成为人们获取信息的主要渠道之一,是当前一个重要的研究热点,同时也受到工业界的广泛关注。随着基于位置的社会网络的蓬勃发展,以用户签到内容为核心的时空大数据不断涌现,其高维、异质等特征,对传统推荐方法提出了严峻的挑战。深度神经网络非线性结构可以获得比传统推荐方法更好的结果,但无法应对推荐中数据稀疏性及用户偏好动态性两大挑战性问题。本次报告将介绍推荐系统的背景及研究进展,具体介绍所在团队在序列推荐,会话推荐及跨域推荐方向的研究工作。

 

 

 冯福利,中国科学技术大学教授。研究领域:信息检索、数据挖掘、机器学习、因果推断等,发表国内外顶级会议和期刊论文70篇,包括SIGIR、SIGKDD、WWW、ACL,谷歌学术引用3600次,研究成果在多家公司的商业系统应用。曾获SIGIR 2021最佳论文提名奖、WWW 2018最佳演示论文奖。担任Frontiers in Big Data编委(AE),众多顶级期刊审稿人,会议SPC/PC,包括SIGIR、WWW、SIGKDD、NeurIPS、ICML、ICLR、ACL、TOIS、TKDE、TPAMI、TNNLS、Nature Sustainability。

 报告题目:基于因果推断的OOD推荐

 内容简介:传统的推荐系统往往假设推荐数据在训练和测试阶段是独立同分布(IID),忽略了测试数据的分布漂移(OOD)问题。OOD问题的原因主要在于两方面:训练数据有偏和用户偏好改变。一方面,训练数据有偏导致模型难以准确捕捉用户真实兴趣,另一方面,用户自身偏好变化,导致推荐结果与测试阶段兴趣不匹配。本报告介绍,针对两方面下的四种细分情况:流行度导致数据有偏、商品特征导致数据有偏、可观测兴趣变化、不可观测兴趣变化,利用因果推断实现OOD推荐的方法。

执行主席

 

 郭磊,于2015年博士毕业于山东大学计算机科学与技术学院,目前为山东师范大学副教授,硕士生导师。曾于2018-2019年以访问学者身份访问澳大利亚昆士兰大学DKE实验室。主要研究兴趣为数据挖掘、社会媒体处理和推荐系统。目前在IJCAI、TKDE、TOIS、KDD、ICDE、WWW、计算机学报等国内外重要学术会议和期刊上发表学术论文30余篇。主持(完成)国家自然科学基金项目1项、中国博士后科学基金面上项目1项。目前担任中文信息学会社会媒体处理专委会通讯委员、山东省人工智能学会理事、山东省人工智能学会学术工委和AAAI2023、IJCAI2022、CIKM2022、IJCAI2021、CIKM2021、DASSFA2020等学术会议的程序委员会委员。

 

 朱磊,山东师范大学教授,博士生导师,IEEE高级会员。主要研究方向是多媒体计算、信息检索、大数据挖掘。共发表或录用论文中国计算机学会(下简称CCF)推荐A类会议长文、ACM/IEEE的汇刊论文90多篇(第一作者或通讯作者33篇)。Google Scholar引用4300多次,H-index为35,ESI高被引论文7篇。获得CCF A类会议ACM SIGIR 2019的唯一最佳论文提名奖,CCF A类会议ACM MM 2019的最佳论文提名(5篇最佳候选论文之一),ADMA 2020的最佳论文奖,ChinaMM 2022最佳学生论文奖,1篇论文入选2019年中国百篇最具影响国际学术论文。拥有授权专利22件(第一发明人6件)。担任期刊IEEE Transactions on Big Data、Information Sciences的编委,自动化学报(英文版)的首届青年编委,任多媒体领域权威国际会议ACM MM领域主席,CIKM、AAAI高级程序委员会委员。主持基金委青年/面上项目、山东省优秀青年基金项目,参与基金委重点项目、山东省自然科学基金重大基础研究项目等10余项横纵课题。获得ACM中国SIGMM新星奖,山东省留学回国人员创业奖、山东省人工智能优秀青年奖等。

2022年8月3日 09:13
浏览量:0
收藏