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。