數(shù)據(jù)挖掘頂級(jí)會(huì)議KDD簡(jiǎn)介

1、1ACM SIGKDD數(shù)據(jù)挖掘及知識(shí)發(fā)現(xiàn)會(huì)議清華大學(xué)計(jì)算機(jī)系 王建勇1、KDD概況ACM SIGKDD國(guó)際會(huì)議(簡(jiǎn)稱 KDD )是由ACM的數(shù)據(jù)挖掘及知識(shí)發(fā)現(xiàn)專(zhuān)委會(huì)主辦的數(shù)據(jù)挖掘研究領(lǐng)域的頂級(jí)年會(huì)。它為來(lái)自學(xué)術(shù)界、企業(yè)界和政府部門(mén)的研究人員和數(shù)據(jù)挖掘從業(yè)者進(jìn)行學(xué)術(shù)交流和展示研究成果提供了一個(gè)理想場(chǎng)所，并涵蓋了特邀主題演講(keynote presentations)、論文口頭報(bào)告( oral paper presentations)、論文展板展示( poster sessio ns)、研討會(huì)(workshops )、短期課程(tutorials )、專(zhuān)題討論會(huì)(pan els)、展覽(exhi

2、bits )、 系統(tǒng)演示(demonstrations)、KDD CUP賽事以及多個(gè)獎(jiǎng)項(xiàng)的頒發(fā)等眾多內(nèi)容。由于KDD的交叉學(xué)科性和廣泛應(yīng)用性，其影響力越來(lái)越大，吸引了來(lái)自統(tǒng)計(jì)、機(jī)器學(xué)習(xí)、數(shù)據(jù)庫(kù)、萬(wàn)維 網(wǎng)、生物信息學(xué)、多媒體、自然語(yǔ)言處理、人機(jī)交互、社會(huì)網(wǎng)絡(luò)計(jì)算、高性能計(jì)算及大數(shù)據(jù) 挖掘等眾多領(lǐng)域的專(zhuān)家、學(xué)者。KDD可以追溯到從1989年開(kāi)始組織的一系列關(guān)于知識(shí)發(fā)現(xiàn) 及數(shù)據(jù)挖掘(KDD)的研討會(huì)。自1995年以來(lái)，KDD已經(jīng)以大會(huì)的形式連續(xù)舉辦了17屆，論文的投稿量和參會(huì)人數(shù)呈現(xiàn)出逐年增加的趨勢(shì)。2011年的KDD會(huì)議(即第17屆KDD年會(huì))共收到提交的研究論文(Research paper)

3、714篇和應(yīng)用論文(Industrial and Governmentpaper) 73篇，參會(huì)人數(shù)也達(dá)到 1070人。下面我們將就會(huì)議的內(nèi)容、歷年論文投稿及接收情 況以及設(shè)置的獎(jiǎng)項(xiàng)情況進(jìn)行綜合介紹。此外，由于第18屆KDD年會(huì)將于2012年8月12日至16日在北京舉辦，我們還將簡(jiǎn)單介紹一下KDD 124的有關(guān)情況。2、會(huì)議內(nèi)容自1995年召開(kāi)第1屆KDD年會(huì)以來(lái)，KDD的會(huì)議內(nèi)容日趨豐富且變的相對(duì)穩(wěn)定。其 核心內(nèi)容是以論文報(bào)告和展版(poster)的形式進(jìn)行數(shù)據(jù)挖掘同行之間的學(xué)術(shù)交流和成果展 示。KDD錄用的論文以研究論文為主、輔以一定數(shù)量的應(yīng)用論文，以及少量的系統(tǒng)演示論 文。依附于KDD年

4、會(huì)的KDD CUP競(jìng)賽也是會(huì)議的一項(xiàng)重要內(nèi)容。此外，會(huì)議還包括特邀 主旨報(bào)告(keynote prese ntati on s)、輔導(dǎo)報(bào)告(tutorials )、專(zhuān)題討論(pan els)、研討會(huì)(workshops) 以及工業(yè)實(shí)踐及展覽(In dustrial practice expo track、等內(nèi)容。1. 研究主題(Research Track每年的KDD年會(huì)結(jié)束后不久，來(lái)年的會(huì)議組織者會(huì)發(fā)布論文征文通知。征文通知中會(huì)列出論文的各種投稿要求，包括會(huì)議感興趣的主題、評(píng)價(jià)標(biāo)準(zhǔn)以及格式等。從KDD 12官方網(wǎng)站的征文通知 5可以了解到， KDD 12感興趣的研究類(lèi)主題主要包括關(guān)聯(lián)分析(a

5、ssociation analysis)、分類(lèi)與回歸分析算法( classification and regression methods )、半監(jiān) 督式學(xué)習(xí)(semi-supervised learning )、聚類(lèi)(clustering )、因式分解(factorization )、遷移學(xué) 習(xí)和多任務(wù)學(xué)習(xí)(transfer and multi-task learning )、特征選擇(feature selection)、社會(huì)網(wǎng)絡(luò)(social networks )、圖數(shù)據(jù)挖掘 (mining of graph data )、時(shí)空數(shù)據(jù)分析 (temporal and spatial dat

6、a analysis)、可擴(kuò)展性(scalability )、隱私保護(hù)(privacy )、安全性(security )、可視化(visualization )、文本分析(text analysis )、萬(wàn)維網(wǎng)挖掘(Web mining )、移動(dòng)數(shù)據(jù)挖掘(mining mobile data )、推薦系統(tǒng)(recommender systems) > 生物信息學(xué)( bioinformatics )、電子商務(wù)1注：本文的一個(gè)縮短版本(參見(jiàn)以下鏈接：于中國(guó)計(jì)算機(jī)學(xué)會(huì)通訊2011年的第12期。(e-commerce )、在線廣告(on li ne advertis ing )、異常檢測(cè)(ano

7、 maly detect ion )、以及針對(duì) 大數(shù)據(jù)的知識(shí)發(fā)現(xiàn)( knowledge discovery from big data )等。論文的評(píng)價(jià)標(biāo)準(zhǔn)主要包括新穎 性( novelty) 、技術(shù)質(zhì)量( technical quality )、影響力( potential impact )、論文表達(dá)的清晰度( clarity of writing )等指標(biāo)。會(huì)議期間，KDD研究論文報(bào)告按照主題會(huì)被分成了若干個(gè)分會(huì)(session),被錄用論文的作者在相應(yīng)的分會(huì)做報(bào)告。以KDD 20116 為例，該年會(huì)的分會(huì)主題包括分類(lèi)( Classification )、矩陣分解( Matrix fact

8、orization )、圖分析( Graph analysis)、 Web 用戶建 模( Web user modeling )、用戶建模( User modeling )、在線數(shù)據(jù)和數(shù)據(jù)流( Online data and streams)、文本挖掘(Text mining )、隱私保護(hù)(Privacy)、社會(huì)網(wǎng)絡(luò)(Social networks )、理 論(Theory)、頻繁集(Freque nt sets)、非監(jiān)督式學(xué)習(xí) (Un supervised learni ng )、圖挖掘(Graph mining )、可擴(kuò)展性( Scalability )和可預(yù)測(cè)建模( Predictive

9、 modeling )。2. 應(yīng)用主題( Industrial and Government Track)應(yīng)用主題類(lèi)論文的發(fā)表和作者的與會(huì)報(bào)告是 KDD 年會(huì)的重要組成部分， 也是 KDD 相對(duì)于很多其他會(huì)議的特色之一。由于數(shù)據(jù)挖掘的廣泛應(yīng)用性，應(yīng)用主題類(lèi)論文受到數(shù)據(jù)挖 掘研究人員和開(kāi)發(fā)者的重視。 相對(duì)于很多其他會(huì)議， KDD 應(yīng)用主題類(lèi)論文的征文啟事和錄 取更為規(guī)范。從 KDD'12 官方網(wǎng)站的征文通知 5可以看出，該年會(huì)的企業(yè)及政府應(yīng)用主題 征求描述針對(duì)企業(yè)和政府部門(mén)數(shù)據(jù)挖掘解決方案的論文投稿，并特別歡迎某些在數(shù)據(jù)挖掘 技術(shù)應(yīng)用過(guò)程中能夠促進(jìn)某些實(shí)際問(wèn)題的理解或提出新的挑戰(zhàn)性研究問(wèn)

10、題的論文。KDD 應(yīng)用主題類(lèi)論文涉及的應(yīng)用領(lǐng)域主要包括電子商務(wù)、醫(yī)療、國(guó)防、公共政策、財(cái)務(wù)、工程、 環(huán)境、制造業(yè)、電信、政務(wù)等。被 KDD 錄用的應(yīng)用主題類(lèi)論文又被分為以下 3 大類(lèi)：對(duì)企業(yè)、政府或其他機(jī)構(gòu)帶來(lái)實(shí)際價(jià)值的數(shù)據(jù)挖掘系統(tǒng) 對(duì)企業(yè)、政府或其他用戶(例如科學(xué)研究或醫(yī)療行業(yè))帶來(lái)顯著價(jià)值的知識(shí)發(fā)現(xiàn) 有潛力帶來(lái)價(jià)值的前沿應(yīng)用和技術(shù)3. KDD CUP 競(jìng)賽KDD CUP 是 ACM SIGKDD 1組織的有關(guān)數(shù)據(jù)挖掘和知識(shí)發(fā)現(xiàn)領(lǐng)域的年度賽事。作為 KDD 年會(huì)的重要組成部分， 自 1997 年以來(lái)已經(jīng)連續(xù)舉辦了 15 屆，目前是數(shù)據(jù)挖掘領(lǐng)域最 有影響力的賽事。 通常每年在 KDD 會(huì)議網(wǎng)站

11、上會(huì)公布當(dāng)年的 KDD CUP 主題及各個(gè)子任 務(wù)、數(shù)據(jù)集、考核指標(biāo)等。全世界的數(shù)據(jù)挖掘參賽者在規(guī)定時(shí)間內(nèi)提交解決方案和結(jié)果。 優(yōu)勝者名單會(huì)在 KDD CUP 網(wǎng)站公布，并在會(huì)議期間頒獎(jiǎng)?？v觀歷年的 KDD CUP 賽事， 我們不難發(fā)現(xiàn)其主題的多樣性。往屆的 KDD CUP 任務(wù)涉及到面向利潤(rùn)(升力曲線)優(yōu)化 的直接營(yíng)銷(xiāo)、計(jì)算機(jī)網(wǎng)絡(luò)入侵檢測(cè)、在線零售網(wǎng)站點(diǎn)擊流分析、分子生物活性和現(xiàn)場(chǎng)蛋白 質(zhì)預(yù)測(cè)、生物醫(yī)學(xué)文檔和基因角色分類(lèi)、網(wǎng)絡(luò)挖掘與用戶日志分析、粒子物理學(xué)和同調(diào)蛋 白質(zhì)預(yù)測(cè)、互聯(lián)網(wǎng)用戶搜索查詢分類(lèi)、基于圖像數(shù)據(jù)的肺栓塞檢測(cè)、客戶推薦、乳腺癌、 客戶關(guān)系預(yù)測(cè)、學(xué)生成績(jī)?cè)u(píng)估、以及基于雅虎音樂(lè)數(shù)據(jù)

12、集的音樂(lè)推薦等眾多領(lǐng)域。在往屆 的 KDD CUP 競(jìng)賽中，某些華人組成的參賽隊(duì)伍也曾取得了不俗的成績(jī)。例如，KDDCUP史上首次包攬了全部子項(xiàng)目冠軍的團(tuán)隊(duì)就來(lái)自香港科大，其隊(duì)員包括Dou Shen (沈抖)、Rong Pan、Jiantao Sun、Junfeng Pan、Kangheng Wu、Jie Yin、Qiang Yang (楊強(qiáng))。4. 系統(tǒng)演示( Exhibit and Demo Track)KDD 會(huì)議設(shè)有一個(gè)系統(tǒng)演示分會(huì)場(chǎng)，用于讓數(shù)據(jù)挖掘研究人員或從業(yè)者以交互的方式 向與會(huì)者展示他們所開(kāi)發(fā)的數(shù)據(jù)挖掘軟件系統(tǒng) (或組件) 的設(shè)計(jì)理念、 實(shí)現(xiàn)技巧以及功能等。5. 工業(yè)實(shí)踐展(I

13、ndustry Practice Expo Track工業(yè)實(shí)踐展是 KDD從2011年開(kāi)始新增加的一部分會(huì)議內(nèi)容，主要由特邀報(bào)告和專(zhuān)題 討論組成。其主要目的是召集一流的業(yè)界或政府部門(mén)的數(shù)據(jù)挖掘?qū)嵺`者和與會(huì)者共享他們的 一些有關(guān)數(shù)據(jù)挖掘應(yīng)用的體會(huì)和經(jīng)驗(yàn)。6. 專(zhuān)題研討會(huì)(Workshops)同其它會(huì)議類(lèi)似，KDD也設(shè)有專(zhuān)題研討會(huì)，其目的是就某些熱門(mén)或前沿主題讓數(shù)據(jù)挖 掘研究人員有機(jī)會(huì)來(lái)交流新穎的研究想法。KDD 11共設(shè)了 16個(gè)主題研討會(huì)。7. 專(zhuān)題討論會(huì)(pan elsKDD專(zhuān)題討論會(huì)是就數(shù)據(jù)挖掘領(lǐng)域的某個(gè)重要的話題邀請(qǐng)幾個(gè)相關(guān)的知名專(zhuān)家闡述自 己的觀點(diǎn)，并通過(guò)與參會(huì)者的互動(dòng)來(lái)對(duì)該話題開(kāi)展深

14、入的研討。KDD 11的專(zhuān)題討論主題為 來(lái)自數(shù)據(jù)挖掘競(jìng)賽的經(jīng)驗(yàn)教訓(xùn)”(Less ons Learned from Con tests in Data Mi ning )。8. 短期課程(tutorials)每年的KDD年會(huì)都會(huì)就幾個(gè)數(shù)據(jù)挖掘主題邀請(qǐng)這些領(lǐng)域的知名專(zhuān)家細(xì)致地講解與該主 題相關(guān)的問(wèn)題、研究背景、主要的解決方案等內(nèi)容。通常每個(gè)課程的時(shí)間是半天或一天。9. 特邀主題報(bào)告(keynote presentation9每年的KDD年會(huì)都會(huì)邀請(qǐng)?jiān)谀承?shù)據(jù)挖掘領(lǐng)域做出卓越成績(jī)的專(zhuān)家學(xué)者做主題報(bào)告。 以KDD 116為例，會(huì)議共邀請(qǐng)了 4位特邀主題發(fā)言人，他們分別是：美國(guó)斯坦福大學(xué)電子 工程系教授

15、Stephen Boyd、Google公司研究主管 Peter Norvig、美國(guó)加州大學(xué)圣克魯茲分校 分子生物工程系教授 David Haussler以及加州大學(xué)洛杉磯分校計(jì)算機(jī)系教授Judea Pearl。表1、2003-2011年期間KDD研究論文投稿及錄取情況(注：自2007年以來(lái)論文不再區(qū)分長(zhǎng)、短文，表中2007年以后的長(zhǎng)、短文對(duì)應(yīng)的分別是長(zhǎng)報(bào)告和短報(bào)告)年份投稿長(zhǎng)文長(zhǎng)文錄取率短文短文錄取率總錄取率20032583413.2%3613.9%27.1%120043374011.9%4413.0%24.9%12005465408.6%367.7%16.3%20064575011.0%55

16、12.0%23.0%20075139217.9%N/AN/A17.9%12008510509.8%458.8%18.6%2009537509.3%5510.2%19.5%120105787713.3%244.1%17.4%12011714567.8%709.8%17.6%綜合436948911.2%3658.3%19.5%3、歷年論文投稿及接收情況我們對(duì)2003年以來(lái)KDD的研究類(lèi)論文和應(yīng)用類(lèi)論文的投稿、錄取率等進(jìn)行了統(tǒng)計(jì)（注：數(shù)據(jù)來(lái)自歷年 KDD會(huì)議的論文集）。發(fā)現(xiàn)研究類(lèi)論文的投稿量呈現(xiàn)逐年增加的趨勢(shì)，而論 文總的錄取率（即包括長(zhǎng)、短文所有被錄取論文的錄取率）相對(duì)穩(wěn)定，基本在17%至19%左

17、右徘徊。具體的分析結(jié)果見(jiàn)表1。相對(duì)于研究類(lèi)論文，應(yīng)用類(lèi)論文的投稿量少且相對(duì)穩(wěn)定，其錄取率相對(duì)更高，基本在 30%左右。具體統(tǒng)計(jì)結(jié)果見(jiàn)表 2。此外，圖1和圖2分別對(duì)比了 KDD研究類(lèi)論文和應(yīng)用類(lèi)論文的總錄取率和投稿量。表2、2003-2011年期間KDD應(yīng)用（In dustrial and Governme nt ）論文投稿及錄取情況年份投稿長(zhǎng)文長(zhǎng)文錄取率短文短文錄取率總錄取率2003401230.0%1025.0%55.0%2004471430.0%1328.0%58.0%2005731419.2%1115.0%34.2%20067479.4%810.8%20.2%2007601118.3%8

18、13.3%31.6%2008831315.7%1012.0%27.7%2009122129.8%2218%27.8%20101011110.9%98.9%19.8%2011732635.6%N/AN/A35.6%綜合67312017.8%9113.5%31.3%年份ResearchIndustrial/Government率取錄總圖1、2003年-2011年期間KDD的研究論文、應(yīng)用論文各自的總錄取比率+ Research In dustrial/Gover nment量 稿 投年份圖2、2003年-2011年期間KDD的研究論文、應(yīng)用論文投稿情況4、設(shè)置的獎(jiǎng)項(xiàng)情況在每年的 KDD 年會(huì)上頒發(fā)

19、的主要獎(jiǎng)項(xiàng)包括 SIGKDD 創(chuàng)新獎(jiǎng)(SIGKDD Inn ovation Award )、SIGKDD 服務(wù)獎(jiǎng)(SIGKDD Service Award )、SIGKDD 最佳研究論文獎(jiǎng)(SIGKDD Best Research Paper Award)、SIGKDD 最佳應(yīng)用論文獎(jiǎng)(SIGKDD Best Application Paper Award )、 SIGKDD 博士論文獎(jiǎng)(SIGKDD Doctoral Dissertation Award)以及 SIGKDD 學(xué)生差旅獎(jiǎng)(SIGKDD Student Travel Award )。1、SIGKDD 創(chuàng)新獎(jiǎng)(SIGKDD Inn

20、 ovation Award )該獎(jiǎng)主要用于獎(jiǎng)勵(lì)對(duì)數(shù)據(jù)挖掘及知識(shí)發(fā)現(xiàn)領(lǐng)域作出重大技術(shù)貢獻(xiàn)的研究人員，獲獎(jiǎng)人員的研究工作通常在數(shù)據(jù)挖掘理論或商業(yè)數(shù)據(jù)挖掘系統(tǒng)開(kāi)發(fā)上產(chǎn)生了持久的影響。自2000年以來(lái)已有11位數(shù)據(jù)挖掘研究人員獲此殊榮，其中來(lái)自UIUC的韓家煒教授位列其中。2、SIGKDD 服務(wù)獎(jiǎng)(SIGKDD Service Award)該獎(jiǎng)主要獎(jiǎng)勵(lì)對(duì)數(shù)據(jù)挖掘及知識(shí)發(fā)現(xiàn)領(lǐng)域作出重大服務(wù)貢獻(xiàn)的個(gè)人或團(tuán)隊(duì)，考察的因素主要包括主持學(xué)術(shù)團(tuán)體、主辦會(huì)議等服務(wù)性工作、數(shù)據(jù)挖掘教學(xué)、財(cái)務(wù)贊助等。 自2000年以來(lái)已產(chǎn)生了 10位獲獎(jiǎng)?wù)?，其中包括?lái)自美國(guó)佛蒙特大學(xué)的吳信東教授。3、SIGKDD 最佳研究論文獎(jiǎng)(S

21、IGKDD Best Research Pap er Award該獎(jiǎng)主要用于獎(jiǎng)勵(lì)從每年的KDD年會(huì)所錄用的研究論文中挑選出來(lái)的、對(duì)數(shù)據(jù)挖掘和知識(shí)發(fā)現(xiàn)領(lǐng)域有基礎(chǔ)性的推動(dòng)作用的論文。KDD的研究論文獎(jiǎng)包括最佳研究論文獎(jiǎng)(Best Research Pap er Award)和最佳學(xué)生論文獎(jiǎng)(Best Stude nt Paper Award) 兩類(lèi)。4、SIGKDD 最佳應(yīng)用論文獎(jiǎng)(SIGKDD Best Application Pap er Award該獎(jiǎng)主要用于獎(jiǎng)勵(lì)從每年的KDD年會(huì)所錄用的應(yīng)用論文中挑選出來(lái)的、能較好體現(xiàn)在數(shù)據(jù)挖掘應(yīng)用中反映出挑戰(zhàn)性的研究問(wèn)題和經(jīng)驗(yàn)教訓(xùn)的論文。5、SIGKDD

22、 博士論文獎(jiǎng)(SIGKDD Doctoral Dissertation Award)該獎(jiǎng)項(xiàng)是從2008年開(kāi)始設(shè)立，用于獎(jiǎng)勵(lì)在數(shù)據(jù)挖掘與知識(shí)發(fā)現(xiàn)領(lǐng)域作出出色研究 工作的博士生。本科畢業(yè)于清華大學(xué)、來(lái)自美國(guó)UIUC的Xiaoxin Yin博士(導(dǎo)師為韓家煒教授)曾獲得首屆SIGKDD博士論文獎(jiǎng)。6、SIGKDD 學(xué)生差旅獎(jiǎng)( SIGKDD Student Travel Award)該獎(jiǎng)項(xiàng)主要用于資助部分參會(huì)學(xué)生的差旅開(kāi)銷(xiāo)。5、關(guān)于 KDD 2012KDD 2012 年會(huì)將于 2012年 8月 12 日至 16 日在北京舉辦， 這也是 KDD 首次在亞太地 區(qū)舉辦。 中國(guó)近年來(lái)的快速發(fā)展舉世矚目。數(shù)

23、據(jù)挖掘作為一個(gè)各個(gè)行業(yè)發(fā)展不可缺少的技 術(shù)支持，在中國(guó)得到了長(zhǎng)足發(fā)展。KDD 2012對(duì)KDD以及中國(guó)的數(shù)據(jù)挖掘都是具有重大意義的里程碑。海內(nèi)外數(shù)據(jù)挖掘領(lǐng)域的華人學(xué)者在KDD'12 的組織工作中扮演了重要角色。 例如，大會(huì)主席是香港科技大學(xué)的楊強(qiáng)教授， 大會(huì)榮譽(yù)主席為中科院的陸汝鈐院士和清華大學(xué)的張 鈸院士，大會(huì)指導(dǎo)委員會(huì)主席為中國(guó)電子工程系統(tǒng)研究所的李德毅院士，大會(huì)副主席為CityGrid Media的沈抖博士，加拿大西蒙弗雷澤大學(xué)(SFU)的裴健教授、美國(guó)羅格斯大學(xué)(Rutgers University )的熊輝教授和微軟的 Ying Li 博士分別擔(dān)任大會(huì)程序委員會(huì)聯(lián)合主席、 企業(yè)及政府應(yīng)用分會(huì)程序委員會(huì)聯(lián)合主席和工業(yè)實(shí)踐展程序委員會(huì)聯(lián)合主席。專(zhuān)題研討會(huì)聯(lián)合主席包括南京大學(xué)的周志華教授， 會(huì)議會(huì)務(wù)主席