新闻动态
群智计算和知识图谱
时间:2021-12-14    浏览量:

报告题目:群智计算和知识图谱

主 讲 人: 许倩倩   中科院计算所副研究员

时  间: 2021年12月16日(星期四) 下午16:00

地  点: 腾讯会议   会议ID:448 394 832

报告人简介:许倩倩,国家优秀青年基金获得者,中科院计算所副研究员。硕士生导师,IEEE/CSIG/CCF高级会员,CSIG多媒体专委会副秘书长,CSIG青工委副秘书长、CAAI深度学习专委会副秘书长。研究领域为数据挖掘和机器学习,主要关注群智计算和知识图谱,已在TPAMI、IJCV、TIP、TKDE、ICML、NeurIPS、CVPR、AAAI、ACM Multimedia等国际期刊/会议上发表CCF-A类论文50余篇。先后获得:吴文俊人工智能自然科学奖一等奖,中国人工智能学会最佳青年科技成果奖,中国图象图形学学会石青云女科学家奖,吴文俊人工智能优秀青年奖,ACM中国SIGMM新星奖, 中国人工智能学会优秀博士学位论文,中科院百篇优秀博士学位论文,CCF-腾讯犀牛鸟科研基金、首届CAAI-华为MindSpore学术奖励基金等奖励。先后担任CCF-A类国际会议ACM MM领域主席,AAAI和IJCAI SPC,并担任PAMI、CSVT、TMM、PR、ICML、NeurIPS、CVPR、ICCV、ECCV、AAAI、IJCAI、ACM Multimedia、ICLR等多个刊物的审稿人。

报告摘要:本报告首先介绍报告人在群智计算方面的成果:1)围绕协同排序可信度量问题,从霍奇分解的全局梯度流、全局调和流、局部旋度流视角,揭示群智排序不一致性的几何拓扑本质并建立计算模型,有效提升排序精度和计算效率;2)针对资源配置低效问题,构造网络众包群智标注严格采样下界,提出基于随机图的数据驱动采样算法,将所需样本复杂度从n的平方降到n的1.5次方;3)面向数据质量控制难问题,提出异常模式挖掘方法和用户个性化行为分析策略,并提供精准的用户画像。在此基础上,报告人将进一步介绍知识图谱方面的相关进展,针对社会媒体和风险检测应用构建了两类大规模跨媒体知识图谱。一方面,基于国内外主流社会媒体平台数据进行爬取、清洗与对齐,构建包含文本、图片、视频、音频等多种模态的社会媒体知识图谱。另一方面,以维基百科、风险相关数据集为基础,构建包含风险人物、事件及相关跨媒体信息的风险知识图谱。在此基础上,进一步讨论在知识图谱学习方法上取得的成果。