ICDM2019参会总结——张晓欧

ICDM是CCF列表中数据挖掘B类会议（清华列表A类），今年在中国北京国家会议中心召开，一共四天，从 11 月 8 日到 11 日 。IEEE ICDM 会议首次举办于 2001 年，至今已经是第 19 届会议。ICDM 从诞生之日起便以录取率低著称，今年也不例外。ICDM 2019 共收到来自 56 个国家和地区的 1046 篇投稿，而仅有 95 篇（9.1%）被录为 regular papers，在此之外还录用了 99 篇的 short papers，才把总录取率提升到 18.5%。需要提及的是这 1046 篇投稿中有 2/3 的论文第一作者都是学生，且今年是 ICDM 接收论文数量首次突破一千（去年为 948 篇）。我去听了第二天（10.9）的Spatial and Temporal Data mining和Theory。感觉大部分的内容并不是很相关，可以作为兴趣了解一下。比如了解一下方法相关，看看能不能做一下交叉的应用等等。我会将这次会议的论文集和参会现场的一些presentation的照片放到钉盘上面，感兴趣的老师同学可以去下载了解一下。

1.     Modeling Engagement Dynamics of Online Discussions using Relativistic Gravitational Theory

本文提出了一种基于强化学习（RL）的蒙特卡洛树搜索算法（RLMCTS）。 RL-MCTS使用新设计的内存结构来解决MCTP发现中的蒙特卡洛树搜索（MCTS）的挑战。本文的方法RL-MCTS是第一个支持ADG中路径发现的RL算法。在十个真实动态图上的实验结果表明，算法在效率和有效性方面都优于最新方法。

2.     Modeling Engagement Dynamics of Online Discussions using Relativistic Gravitational Theory

本文将在线讨论建模为随时间变化的过程并解决两个相互关联的问题。用以预测哪些用户组将参与正在进行的讨论，并预测讨论的增长率。本文提出了RGNet（相对论引力网络），随着时间的推移以不同的速率吸引不同群体的用户。

3.     Efficient Sketching Algorithm for Sparse Binary Data

万维网，物联网，社交网络，电子商务等方面的最新进展产生了大量数据。这些数据集主要由高维和稀疏数据集表示。常见数据分析任务的许多基本子例程（例如聚类，分类，排名，最近邻居搜索等）随数据集的维度扩展性很差。本文为稀疏的二进制数据集提出了一种草图绘制（或降维）算法。该算法会在绘制草图后保留数据集的二进制版本，并在同一草图上保留多个相似性度量（例如Jaccard，余弦，内积相似性和汉明距离）的估计值。

4.     What is the value of experimentation & measurement?

实验和度量（E＆M）功能使组织能够准确评估新主张的影响，并尝试使用现有产品的许多变体。本文通过分析如何通过降低估计不确定性来解决E＆M平台如何更好地确定优先级的方法。 根据预期的所有新提议的绩效相对改进来量化此收益，并提供有关E＆M能力的价值以及组织何时投资的指南。