港中文jd奖学金（港中文奖学金班）

KDD 2023公布了最佳论文奖、博士论文奖、创新奖、时间检验奖等多个奖项。

ACM SIGKDD(数据挖掘和知识发现国际会议)始于1989年。是数据挖掘领域历史最悠久、规模最大的国际顶级学术会议，也是首次引入大数据、数据科学、预测分析、众包等概念的会议。

今年的KDD会议是第29届，于8月6日至10日在美国加州长滩举行。会议包括两个部分:研究和应用数据科学(ADS)。

随着发布会的进行，各大奖项开始逐一揭晓。其中，来自香港中文大学、香港科技大学(广州)、东南大学、同济大学的研究人员获得研究方向最佳论文奖；来自谷歌的研究人员获得了应用数据科学最佳论文奖；获胡博士学位，斯坦福大学(今年1月获得学位)，获优秀博士论文奖；创新奖授予了Jure Leskovec，斯坦福大学计算机科学学院教授；来自不列颠哥伦比亚大学的四名研究人员在这次会议上获得了时间测试奖。

KDD最佳论文奖-研究方向

香港中文大学孙博士和程虹教授、香港科技大学李佳教授、东南大学教授和同济大学关教授获得最佳论文奖。获奖论文都在一个:图神经网络的多任务促进。

地址:https://arxiv.org/pdf/2307.01504.pdf.

论文简介:最近，预训练和微调范式已经成为许多图形任务的标准工作流，因为这些方法可以使用一般的图形知识来缓解每个应用程序中图形注释的缺乏。而节点级、边级、图级的图任务差别很大，使得前期训练的前提往往与多个任务不兼容。这种差距甚至可能导致特定应用的“负迁移”，从而使效果不佳。

受自然语言处理(NLP)中提示学习的启发，本文研究了图形领域中的提示问题，旨在弥合预训练模型与各种图形任务之间的差距。提出了一种新的图模型多任务提示方法。

具体来说，本研究首先通过提示令牌、令牌结构和嵌入方式统一了图形提示和语言提示的格式。这样，NLP中提示的思想就可以无缝地引入到图形领域。然后，为了进一步缩小各种图任务与最先进的预训练策略之间的差距，本研究进一步研究了各种图应用的任务空间，将下游问题重新表述为图级任务。随后，他们引入了元学习来有效地学习更好的图多任务提示初始化，从而使提示框架在不同任务之间更加可靠和通用。大量实验证明了该方法的优越性。

图1示出了微调、预训练和提示的过程；图2是受NLP字段中的提示启发的图形提示:

KDD最佳论文奖-应用数据科学方向

SIGKDD 2023应用数据科学最佳论文奖授予了谷歌的研究人员。其中，中国学者包括高级软件工程师唐嘉熙、软件工程师李伟、高级软件工程师易新阳、软件工程高级总监洪和杰出科学家Ed H. Chi。

来源:https://twitter.com/madiator/status/1688716588491608064报纸地址:https://arxiv.org/pdf/2302.09178.pdf

论文导读:推荐系统在很多内容平台中扮演着重要的角色。虽然大多数关于推荐系统的研究都致力于设计更好的模型来改善用户体验，但是发现让这些模型更加稳定的研究严重不足。

随着推荐模型变得越来越大，越来越复杂，它更容易受到训练的不稳定性的影响，例如损失发散，这可能会使模型无法使用，浪费大量资源，阻碍模型的发展。

本文中，研究者指出了导致模型训练不稳定的一些特征，并对原因进行了推测。此外，基于对不稳定训练点附近的训练动态的观察，研究者假设了现有解决方案失败的原因，并提出了一种新的算法来缓解现有解决方案的局限性。

数据集上的实验表明，与几种常用的基准方法相比，该算法在不影响收敛性的前提下，显著提高了模型的训练稳定性。

KDD最佳学生论文奖-研究方向

来自莫纳什大学、澳大利亚国立大学等机构的研究人员获得了这次的最佳学生论文奖。

地址:https://arxiv.org/pdf/2209.13446.pdf.

论文简介:本文提出了一个基于特征的学习框架，可以有效处理反事实约束，有助于有限私人解释模型。本文论证了所提出的方法在生成行动的可行性和合理性的各种反事实方面的灵活性和有效性。

KDD优秀博士论文奖

2023年杰出博士论文奖授予斯坦福大学胡博士(今年1月获得学位)的论文“关于图形神经网络的预测能力”。

让我们先简单介绍一下胡。2016年和2018年获得东京大学数学工程学士学位和计算机科学硕士学位。之后，他进入斯坦福大学攻读计算机科学博士学位，导师是Jure Leskovec(也是KDD 2023创新奖获得者)。

博士期间，胡创建了图结构数据的机器学习理论、方法和基准，旨在改善现实世界中的多样化应用，如推荐系统、药物或材料发现和天气预测。他也愿意应用机器学习来解决现实世界中有趣而重要的问题。

目前胡在创业公司Kumo.ai工作，致力于将投入生产，尤其注重使用回答现代关系数据库中的各种未来预测查询。

个人主页:https://weihua916.github.io/

胡的博士论文旨在通过理解和提高的预测能力并对其进行基准测试，建立一个强大的预测模型。这里的预测能力是指GNN对图形做出准确预测的能力。论文分为以下三个部分。

在第一部分中，发展了一个理论框架来理解GNN的预测能力，特别是侧重于表达能力，并观察GNN是否能在图上表达所需的功能。第二部分是在有了设计表达型GNN模型的框架后，进一步提高模型对未知或未标记数据的预测能力，即提高GNN的泛化性能。第三部分，创建新的图基准数据集，解决现有基准的问题，并让社区参与进来，共同提高GNN的预测能力。

有关该文件的详细内容，请参考https://searchworks.stanford.edu/view/14423818.

KDD优秀博士论文奖(亚军)

今年评选出了两个优秀博士论文奖(亚军)。第一本是Francesco Pierri，他现在是米兰理工大学的助理教授，写的《描述和检测在线社交网络中传播的虚假信息》。

地址:https://www.politesi.polimi.it/handle/10589/188756.

另一篇获得该奖项的论文题为“机器学习的高效和安全消息传递”，由北卡罗来纳州立大学助理教授肖睿·刘撰写。

论文地址:https://www . proquest . com/openview/38629046 ef 91 D5 EEA 1a 63265175 ABC 0/1？pq-origsite=gscholar&。cbl = 18750 & ampdiss=y

KDD创新奖

KDD创新奖旨在表彰在数据发现和数据挖掘领域做出突出贡献，推动理论和商业系统发展的研究人员。

KDD 2023创新奖授予了图形网络领域的大牛、斯坦福大学计算机学院教授Jure Leskovec。他也是图形表示学习方法node2vec和GraphSAGE的作者之一。这个奖项是为了表彰他在图形挖掘、网络和应用机器学习方面的基础性和里程碑式的贡献。

Jure Leskovec的研究领域是大规模互联系统的应用机器学习，专注于为各种规模的系统建模复杂且带标签的关系结构、图形和网络，涉及的领域从细胞中的蛋白质交互到社会中的人类交互。研究应用包括常识推理、推荐系统、计算社会科学和计算生物学，重点是药物发现。

到目前为止，Jure Leskovec参与的论文在Google上被学术引用近10万次。

谷歌学术主页:https://cs.stanford.edu/people/jure/

《机器之心》此前报道的与Jure Leskovec相关的文章:

地址:https://arxiv.org/pdf/1208.3719.pdf.

论文简介:目前，研究人员已经开发了许多不同的机器学习算法。考虑到每个算法都有很多超参数，会有很多备选方案。本文的方法是在选择学习算法的同时设置其超参数，超越了以往只解决单一问题的研究。

本文考虑了一系列广泛的特征选择技术和在WEKA中实现的所有分类方法，包括2个集成方法、10个元方法、27个基准分类器和每个分类器的超参数设置。在UCI、09年KDD杯、MNIST数据集变体和CIFAR-10数据集等21个常用数据集上的研究表明，该方法明显优于标准选择/超参数优化方法。这项研究希望他们提出的方法可以帮助非专业用户更有效地识别适合其应用的机器学习算法和超参数设置，从而实现性能提升。

KDD时间测试奖-应用数据科学方向

另一个时间测试奖授予了论文“广告点击预测:趋势的观点”，该论文来自谷歌，被引用1030次。

地址:https://static . Google user content . com/media/research . Google . com/zh-cn//pubs/archive/41159 . pdf。

论文简介:预测广告的点击率(CTR)是一个与数十亿美元的网络广告行业密切相关的大规模学习问题。本文介绍了在已部署的CTR预测系统环境中的一些精选案例研究和主题，这些案例研究和主题来自最近的实验。

最后，KDD还颁发了杰出服务奖，旨在表彰在知识发现和数据挖掘领域做出杰出专业服务贡献的个人或团体。这次会议被授予熊辉教授。

参考链接:https://kdd.org/kdd2023/awards/

剧终

授权请联系本微信官方账号。

投稿或寻求报道:content@jiqizhixin.com。