KDD 2020 顶会论文分享直播预告 | AI TIME PhD AITimer 学术头条 2020-09-15 哔哩哔哩直播通道 扫码或点击链接关注 AITIME 哔哩哔哩官方账号观看直播 链接：https://live.bilibili.com/21813994 邀请嘉宾 晋嘉睿，上海交通大学博士二年级年级博士生，导师为俞勇教授。研究兴趣为图数据挖掘，信息检索。
报告题目：高效基于邻居的异构图交互模型 摘要：近年来，基于异构信息网络 (HIN) 的推荐系统大量涌现，因为 HIN 能够刻画复杂的图形，并且包含丰富的语义。现有的方法虽然取得了性能上的提高，但同时在实用性方面，仍然面临着以下问题。一方面，大多数现有的基于 HIN 的方法依赖于显式路径可达性来利用用户和项目之间基于路径的语义相关性，例如基于元路径的相似性。
但由于路径连接稀疏或有噪声，这些方法很难使用和集成，并且通常具有不同的长度。另一方面，其他基于图的方法旨在通过在预测前将节点及其邻域信息压缩成单个嵌入来学习有效的异构网络表示。这种弱耦合的建模方式忽略了节点之间丰富的交互，这带来了先前概述的问题。针对上述问题，本文提出了一种端到端基于邻域的交互推荐模型 (NIRec)。
具体地说，我们首先分析了学习交互在 HIN 中的重要性，然后提出了一种新的公式，通过元路径引导的邻域来捕捉每对节点之间的交互模式。然后，为了探索元路径之间的复杂交互和处理大规模网络上的学习复杂性，我们用卷积的方式表示交互，并使用快速傅立叶变换进行高效的学习。
论文原文链接：https://aminer.cn/pub/5efdaf4391e01191d3d2823a?conf=kdd2020 李昂，目前就读于杜克大学，是电子和计算机工程系三年级博士，导师为陈怡然教授。李昂的主要研究方向是深度学习，移动和边缘计算，隐私保护等。
报告题目：基于匿名中间表征的任务独立和尊重隐私的数据众包框架 摘要：本讲座重点介绍 2020 KDD 最佳学生论文《 TIPRDC: Task-Independent Privacy-Respecting Data Crowdsourcing Framework for Deep Learning with Anonymized Intermediate Representations 》。
文章提出了一个基于匿名中间表征的任务独立、尊重隐私的数据众包框架——TIPRDC。该框架的目标是学习一个特征抽取器，它可以隐藏中间表征中的隐私信息，同时最大限度地保留原始数据中嵌入的原始信息，以供数据收集器完成未知的学习任务。作者设计了一种混合训练方法来学习匿名中间表示：（1）利用对抗学习隐藏中间表征中的隐私信息；（2）使用基于神经网络的互信息估计器最大限度地保留原始信息。
通过对该框架进行广泛评估，并将其与现有方法在两个图像数据集和一个文本数据集进行了比较。结果表明，该框架大大优于其他现有的方法。论文原文链接：https://aminer.cn/pub/5f03f3b611dc83056223205b?conf=kdd2020 任慧敏，美国伍斯特理工学院三年级博士生，导师 Yanhua Li 教授。研究兴趣为城市计算、时空数据挖掘。
报告题目：基于时空孪生神经网络的轨迹识别 摘要：给定一组单独的人员（例如行人，出租车司机）的历史轨迹以及由特定人员生成的一组新轨迹，轨迹识别问题旨在验证传入的轨迹是否是由所要求的人员产生。这个问题在许多实际应用中都很重要，例如出租车驾驶人员身份认证、汽车保险公司风险分析以及犯罪识别等。
轨迹识别的现有工作除了需要轨迹数据之外，还需要其他来源的数据，如传感器、摄像头等，但这些数据无法普遍获得且成本较高，且目前的工作只能局限于已有的人员身份识别，无法扩展至未经训练的人员。为了应对这些挑战，在这项工作中，我们首次尝试通过提出一种新颖而有效的框架时空孪生网络（ ST-SiameseNet ），仅从观察到的轨迹数据匹配人员身份。
对于每个人员，我们从他们的轨迹中提取特征，来预测每个人轨迹的相似性。论文原文链接：https://www.aminer.cn/pub/5f03f3b611dc830562232050?conf=kdd2020 直播结束后我们会邀请讲者在微信群中与大家答疑交流，请添加 “AI TIME 小助手（微信号：AITIME_HY）”, 回复 “KDD”，将拉您进 “KDD 2020 交流群”！
主办：AI TIME 联合支持：中国工程院知领直播、学堂在线、CSDN、学术头条 公益合作：智谱·AI、学术头条、biendata、大数据文摘、数据派、AI 科技评论、Ever链动、机器学习算法与自然语言处理 AI TIME 微信小助手 点击阅读原文，查看更多精彩！喜欢本篇内容，请分享、点赞、在看阅读原文