ACM SIGKDD（ACM SIGKDD Conference on Knowledge Discovery and Data Mining，國際數(shù)據(jù)挖掘與知識發(fā)現(xiàn)大會，簡稱 KDD）是數(shù)據(jù)挖掘領域國際頂級學術會議，今年的 KDD 大會將于 8 月 23 日至 27 日在線上召開。
8 月 13 日， SIGKDD 2020 官方公布了 2020 年 ACM SIGKDD 創(chuàng)新獎、服務獎、論文獎、新星獎、時間檢驗研究獎、時間檢驗應用科學獎等六項大獎的獲得者，這些獎項是針對數(shù)據(jù)科學、機器學習、大數(shù)據(jù)和計算機科學領域的杰出個人和研究團隊而設立的。
值得一提的是，今年 KDD 頒發(fā)了首屆時間檢驗應用科學獎（Test of Time Award for Applied Science）獎項，以表彰在數(shù)據(jù)科學的實際應用中具有影響力的研究。清華大學計算機科學與技術系唐杰、李涓子等人憑借他們在 2008 年發(fā)表的關于學術社交網(wǎng)絡挖掘的研究成果獲得了這一獎項。
獲獎論文題目為 ArnetMiner： Extraction And Mining Of Academic Social Networks，論文作者包括清華大學計算機科學與技術系的唐杰、張靜、姚利敏、李涓子，以及來自 IBM 中國研究實驗室的張莉和蘇中。
在這篇文章中，作者主要介紹了一個自主研發(fā)的面向研究者社會網(wǎng)絡的挖掘搜索系統(tǒng) ArnetMiner 的體系結構和關鍵技術。下面我們來將詳細解讀一下這篇文章。
研究背景
近些年，學術社交網(wǎng)絡發(fā)展迅速，為眾多研究學者提供了良好的交流平臺，也產生了巨大的學術信息數(shù)據(jù)集。隨著數(shù)據(jù)挖掘和人工智能技術的發(fā)展，針對學術社交網(wǎng)絡進行數(shù)據(jù)挖掘和知識提取，進而為科學研究領域提供全方位的服務成為一大研究熱點。
在作者開始這項研究之時，學術圈已有 DBLP、CiteSeer、Google Scholar 等學術搜索系統(tǒng)發(fā)布，但是往往存在以下兩項不足之處：
1）缺乏語義信息。無論用戶輸入的個人資料或使用啟發(fā)式方法提取的各類信息，語義存在不完整或不一致性，缺少有效獲得大規(guī)模語義信息的方法；
2）缺乏異構對象的統(tǒng)一建模方法。以前，學術網(wǎng)絡中不同類型的信息如學者、論文、會議期刊是單獨建模的，因此無法準確捕捉它們之間的依賴關系。
為解決這兩個問題，作者所在的研究團隊開發(fā)了ArnetMiner系統(tǒng)。該系統(tǒng)旨在解決以下幾個問題：
1）如何自動從互聯(lián)網(wǎng)海量信息中提取研究人員的個人檔案？
2）如何集成不同來源提取的學術相關信息（例如研究人員的個人檔案和出版物）？
3）如何以統(tǒng)一的方法為不同類型的信息建模？
4）如何基于已構建的網(wǎng)絡，提供強大的挖掘和搜索服務？
ArnetMiner系統(tǒng)（簡稱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部分：
1）研究者個人信息抽取（Extraction）：即從網(wǎng)絡上自動識別到研究者的個人主頁，并訓練一個統(tǒng)一的模型，從中抽取研究者的各種基本信息。同時，從不同來源的論文數(shù)據(jù)庫抽取或收集作者所發(fā)表的論文信息；
2）個人信息融合（Integration）：通過使用研究者姓名作為標識符，將提取的研究者的個人資料和提取的出版物信息進行整合。提出了馬爾科夫隨機場概率模型，以解決融合不同來源論文數(shù)據(jù)時面臨的重名歧義問題；
3）存儲和訪問（Storage and Access）：系統(tǒng)將集成的數(shù)據(jù)存儲在研究者網(wǎng)絡知識庫（RNKB）中，利用MySQL作為存儲數(shù)據(jù)庫，并使用反向文件索引方法進行信息索引；
4）建模（Modeling）：文章提出一個概率生成模型，通過對學術網(wǎng)絡中的研究者、論文、會議等不同類型的信息進行綜合分析，對每種信息進行主題分布估計；
5）搜索服務（Search Services）：基于建模結果，提供多種搜索服務，包括專家搜索、關聯(lián)關系搜索、論文推薦以及引用推薦等。
該系統(tǒng)重點解決三個技術難點：
1）學術網(wǎng)絡中研究者個人信息自動抽取問題；
2）不同來源學術論文融合過程中的重名排歧問題；
3）學術網(wǎng)絡中研究者、論文、會議等異質實體的統(tǒng)一建模問題。
123下一頁>（免責聲明：本網(wǎng)站內容主要來自原創(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確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。 ）
