孟瑜获杰出博士论文奖，中科大获最佳学生论文，KDD 2024全部奖项放出

AIGC动态4个月前发布 almosthuman2014

775 0 0

文章摘要

第30届ACM SIGKDD国际数据挖掘与知识发现大会（KDD 2024）在西班牙巴塞罗那成功举行，多项大奖揭晓。华人研究者在此次大会上表现突出，孟瑜的《Efficient and Effective Learning of Text Representations》荣获杰出博士论文奖，该论文由弗吉尼亚大学助理教授孟瑜撰写，探讨了文本表示学习在自然语言处理任务中的重要性，并提出了利用球面空间进行文本表示学习的自监督技术，以及使用大型语言模型（LLM）生成训练数据的新范式。

此外，六位华人学者参与的《CAT: Interpretable Concept-based Taylor Additive Models》获得最佳论文奖（研究方向），该研究提出了一种新型的可解释泰勒相加模型，旨在简化基于概念的解释方法。中国科学技术大学与华为合作的《Dataset Regeneration for Sequential Recommendation》获得最佳学生论文（研究方向），提出了一种新颖的数据集再生框架，以提高序列推荐系统的性能。

领英的《LiGNN: Graph Neural Networks at LinkedIn》获得最佳论文奖（应用数据科学方向），介绍了大规模图神经网络框架LiGNN的开发和部署经验，以及在LinkedIn图上构建大规模训练的方法。佐治亚理工学院和加州理工学院合作的《Nested Fusion: A Method for Learning High Resolution Latent Structure of Multi-Scale Measurement Data on Mars》获得最佳论文亚军（应用数据科学方向），提出了一种结合不同分辨率数据集的方法，用于火星探测车数据的分析。

大会还颁发了两项时间检验奖，分别是纽约州立大学石溪分校的《DeepWalk: online learning of social representations》和微软亚洲研究院的《U-Air: when urban air quality inference meets big data》，这两篇论文分别在社交网络表示学习和城市空气质量推断方面做出了重要贡献。

此次KDD大会不仅展示了数据挖掘领域的最新研究成果，也彰显了华人学者在该领域的卓越成就。通过这些获奖论文，我们可以看到数据科学在自然语言处理、推荐系统、图神经网络和多尺度测量数据分析等多个领域的广泛应用和深远影响。随着技术的不断进步，数据挖掘将继续为解决现实世界问题提供强有力的支持。