2024年8月26日下午2点半，纽约大学计算机科学与工程系的Christopher Musco教授应邀在武汉大学计算机学院B404会议室做了一场题为《Sampling-based Methods for Inner Product Sketching》的学术报告。 Musco教授的报告从向量内积的估计这一重要主题切入，详细介绍了基于采样的新型“sketching”方法。该方法能够通过压缩向量数据，对其内积进行准确估算，广泛应用于数据库（如连接规模估计、相关性估计、模型评估、向量搜索等）领域。

在报告中，Musco教授首先回顾了现有的主流内积估计方法，特别是基于Johnson-Lindenstrauss（JL）随机投影的技术。相比之下，他提出的基于协调随机采样的采样法不仅在理论上提供了更强的最坏情况保证，而且在多个实际应用中表现优于基于JL投影的方法。他为在场的学者们系统阐述了这些采样法背后的原理，并通过丰富的案例展示了其在数据库中的具体应用。

报告的最后，Musco教授还探讨了未来研究的潜在方向，特别是在机器学习与数据库系统中如何进一步优化这些“sketching”方法。报告后，应CCF武汉执委王胜教授的邀请，Musco教授与现场的师生们进入CCF武汉的咖啡屋，继续围绕“采样法”和“内积估算”进行了深入的学术交流。与会者们积极提问，讨论了当前研究的挑战与机遇，特别是这些方法在大规模数据处理中的实际应用。

Christopher Musco简介：Christopher Musco现任纽约大学计算机科学与工程系助理教授，是该校理论计算机科学小组和可视化、数据分析与成像中心（VIDA Center）的成员。Musco教授的研究主要集中在随机化算法的设计及其在计算数学、机器学习和数据库中的应用。他的研究获得了美国能源部和国家科学基金会的资助，并获得了NSF CAREER Award。