中国计算机学会青年计算机科技论坛
CCF Young Computer Scientists & Engineers Forum
CCF YOCSEF合肥
2019年1月5日(星期六)9：00-17:40
安徽大学磬苑校区图书馆一楼文典阁将举行
专题探索班Theme Discovery Symposium
表示学习的理论、算法与应用
表示学习（Representation Learning）是机器学习领域一个新的研究热点，旨在将原始数据表示成低维、实值、稠密的向量形式，使得得到的向量形式可以在向量空间中具有表示以及推理的能力，同时可轻松方便地作为机器学习模型的输入，它避免了手动提取特征的麻烦，允许计算机学习使用特征的同时，也学习如何提取特征：学习如何学习。近年来，以深度学习为代表的表示学习技术受到广泛关注，在语音识别、图像分析和自然语言处理等领域取得重要研究进展。
本期CCF YOCSEF合肥将举办TDS（Theme Discovery Symposium）专题探索班“表示学习的理论、方法及应用”，有幸邀请到机器学习领域重量级的专家学者做主题报告，就表示学习理论最新的研究成果和应用进行学术探讨，具体围绕表示学习的前沿探讨，表示学习的理论基础和主要方法，以及表示学习在社交网络、图像分析、自然语言处理等领域的应用展开讨论。我们期望本次论坛能够有效推动机器学习和表示学习理论、技术和应用的发展，增进领域学者间的交流与互动，使参加者在掌握学科基础知识的同时，跟踪本领域最新技术动态，了解未来技术发展趋势。
日 程
08:30— 9:00 签到
09:00--09:10 开幕式
09:10--10:10 Broad Learning via Fusion of Heterogeneous Information for Recommendations
Philip S. Yu，University of Illinois at Chicago
10:10--10:40 茶歇 & 合影
10:40--11:40 异质信息网络的表示学习与应用
石川，北京邮电大学
11:40--14:30 午餐& Poster
14:30--15:30 语言表示学习
陈恩红，中国科学技术大学
15:30--16:30 知识表示与自然语言处理应用
刘知远，清华大学
16:30--17:30 网络表示学习理论及应用
唐杰，清华大学
17:30--17:40 总结&闭幕式
执行主席：
赵 姝：CCF YOCSEF合肥主席，安徽大学计算机科学与技术学院教授
谢 飞：CCF YOCSEF合肥学术委员会委员，合肥师范学院计算机科学与技术系教授
官网链接：http://www.yocsef.org.cn/
参加人员：高校科研院所科研工作者、企业工作者，研究生、大学生、媒体、其他感兴趣者等
报名链接：https://jinshuju.net/f/bN1oo4
或扫描二维码
特邀讲者：Philip S. Yu （美国伊利诺伊大学芝加哥分校教授）
简 介：Dr. Philip S. Yu is a Distinguished Professor and the Wexler Chair in Information Technology at the Department of Computer Science, University of Illinois at Chicago. Before joining UIC, he was at the IBM Watson Research Center, where he built a world-renowned data mining and database department. He is a Fellow of the ACM and IEEE. Dr. Yu is the recipient of ACM SIGKDD 2016 Innovation Award for his influential research and scientific contributions on mining, fusion and anonymization of big data, the IEEE Computer Society’s 2013 Technical Achievement Award for “pioneering and fundamentally innovative contributions to the scalable indexing, querying, searching, mining and anonymization of big data” and the Research Contributions Award from IEEE Intl. Conference on Data Mining (ICDM) in 2003 for his pioneering contributions to the field of data mining. Dr. Yu has published more than 1,100 referred conference and journal papers cited more than 102,000 times with an H-index of 148. He has applied for more than 300 patents. Dr. Yu was the Editor-in-Chiefs of ACM Transactions on Knowledge Discovery from Data (2011-2017) and IEEE Transactions on Knowledge and Data Engineering (2001-2004).
摘 要：In the era of big data, there are abundant of data available across many different data sources in various formats. “Broad Learning” is a new type of learning task, whichfocuses on fusing multiple large-scale information sources of diverse varieties together and carrying out synergistic representation learning and data mining tasks across these fused sources in one unified analytic. Great challenges exist on “Broad Learning” for the effective fusion of relevant knowledge across different data sources, which depend upon not only the relatedness of these data sources, but also the target application problem. In this talk we examine how to fuse heterogeneous information to improve effectiveness on recommendation systems.
特邀讲者：石川（北京邮电大学教授）
简 介：北京邮电大学计算机学院教授、博士研究生导师、智能通信软件与多媒体北京市重点实验室副主任。主要研究方向: 数据挖掘、机器学习、人工智能和演化计算。近五年来，作为第一作者或通信作者发表高水平学术论文50余篇，英文专著一部，包括数据挖掘领域的顶级期刊和会议IEEE TKDE、ACM TIST、KAIS、KDD、AAAI、IJCAI、SDM、CIKM等。获得ADMA2011/AMDA2018国际会议最佳论文奖、CCF-腾讯犀牛鸟基金及项目优秀奖，并指导学生获得顶尖国际数据挖掘竞赛IJCAI Contest 2015 全球冠军。获得北京市高等学校青年英才和师德先锋等称号。
摘 要：当前的社会网络分析主要针对同质网络（即网络中结点类型相同），但是现实世界中的网络化数据通常包含不同类型的对象，并且对象之间的关联表示不同的语义关系。构建异质信息网络（即包含不同类型的结点或边的网络）可以包含更加完整的对象之间的关联信息，因此分析这类网络有希望挖掘更加准确的模式。本报告将介绍异质信息网络的基本概念和特点，以及异质网络的复杂结构和丰富语义对数据挖掘带来的挑战。此外，本报告将重点介绍异质网络结构特征的表示学习方法，及其在实际问题上的应用。
特邀讲者：陈恩红（中国科学技术大学教授）
简 介：陈恩红，博士，教授，博导，国家杰出青年基金获得者，科技部重点领域创新团队负责人，CCF会士。1996年获中国科学技术大学计算机软件专业博士学位。2005年入选教育部新世纪优秀人才支持计划、2015年获安徽省政府特殊津贴，2016年入选安徽省“特支计划”创新领军人才。现任中国科学技术大学计算机科学与技术学院副院长，语音及语言信息处理国家工程实验室副主任，大数据分析及应用安徽省重点实验室主任。教育部计算机类专业教学指导委员会委员，安徽省计算机学会理事长，中国计算机学会理事、人工智能与模式识别专委会委员、数据库专委会委员、大数据专家委员会委员，中国人工智能学会知识工程与分布智能专业委员会副主任委员、机器学习专委会常务委员。曾任中国计算机学会YOCSEF合肥分论坛首任主席（2011年）。WWW Journal、IEEE Transactions on System、Man and Cybernetics：System，计算机研究与发展、模式识别与人工智能、计算机应用等国内外学术期刊编委，KDD、AAAI、ICDM、PAKDD、SDM等重要国际学术会议的程序委员会委员，全国性学术会议NDBC’2012、CCDM’2014、CNCC’2015等的程序委员会主席等。承担了国家自然科学基金杰出青年基金项目、面上项目、联合重点基金项目，以及863计划、国家重点研发计划课题等项目，以及与诺基亚、阿里巴巴、华为、讯飞的合作项目。在国内外重要学术期刊TKDE、TKDD、TMC、TIST、TC和数据挖掘领域重要国际学术会议KDD、WWW、SIGIR、ICDM、NIPS、ECML-PKDD、CIKM等发表学术论文100余篇，获数据挖掘领域顶级会议KDD2008最佳应用论文奖、ICDM2011最佳研究论文奖、SDM2015最佳论文提名奖等，获2012年度教育部自然科学二等奖，多次获得中科院优秀导师奖、中科院朱李月华优秀教师奖。指导的博士生获得中科院、中国计算机学会、中国人工智能学会等的优秀博士论文奖，以及中科院院长中科院院长特别奖、优秀奖等。
摘 要：近年来，以深度学习为代表的表示学习技术受到广泛关注，表示学习是通过机器学习将研究对象的语义信息表示为稠密低维实值向量。自然语言表示学习则通�