2022年8月14日至19日，第28届ACM SIGKDD正在美国华盛顿会议中心举办。今日，KDD 2022正式公布了多个奖项，包括创新奖、杰出服务奖、博士论文奖、新星奖、时间检验奖等。
最大技术奖项SIGKDD创新奖获得者是来自亚利桑那州立大学Huan Liu (刘欢），杰出服务奖获得者是来自IBM的Charu Aggarwal，清华大学的Yuxiao Dong (东昱晓）获得新星奖。
博士论文奖Winner是来自耶鲁大学的 Rex Ying，Runner Up是清华大学的Jiezhong Qiu(裘捷中）和慕尼黑理工的Daniel Zügner。此前，AMiner AI 2000对博士论文奖进行过预测，根据2018-2022年间AI2000数据挖掘领域新星和贡献值，排名前三的分别是Rex Ying，裘捷中和Daniel Zügner，这一结果与获奖情况完全一致。
AI2000链接:https://www.aminer.cn/ai2000
SIGKDD 2022大会共收到2448篇有效投稿，其中449篇论文被接收，接收率为18.3%，相比 KDD 2021的接收率15.44%有所上升。
创新奖作为 KDD 大会中颇具分量的奖项，旨在表彰在数据发现和数据挖掘领域做出杰出技术贡献的研究者，并对促进理论和商业系统的发展产生持久影响。
KDD2022创新奖颁发给了亚利桑那州立大学Huan Liu (刘欢）教授，获奖理由是「他对社交媒体挖掘和数据挖掘特征选择的基础、原则和应用做出了杰出贡献」。
学者主页：https://www.aminer.cn/profile/huan-liu/542bddf3dabfae2b4e1ad28d
Huan Liu (刘欢），美国亚利桑那州立大学计算机科学与工程、信息学与决策系统工程系教授，IEEE Fellow，横跨信息检索与数据挖掘领域的高被引学者，在教学和科研领域都取得了公认的优异成绩。研究方向为数据挖掘、机器学习、社会计算、人工智能，以及真实数据密集型应用的问题。
SIGKDD 杰出服务奖旨在表彰在数据发现和数据挖掘领域提供杰出服务的个人或团队。本次会议杰出贡献奖获得者是来自IBM的Charu Aggarwal，获奖理由是「他对数据挖掘领域的会议和期刊做出了重要的服务贡献」。
学者主页：https://www.aminer.cn/profile/charu-c-aggarwal/53f47ebbdabfae9126cc42a9
Charu Aggarwal，IBM沃森研究中心研究员。他对数据挖掘领域有着广泛的研究，在高维数据、隐私、数据流、不确定数据、图表、文本挖掘和社交网络方面的研究贡献得到业界公认，在国际会议和期刊上发表了700多篇论文/专利，引用数70000+。
本届大会的新星奖颁发给了清华大学东昱晓博士，表彰他在博士毕业五年内对网络数据挖掘和图机器学习等方向的贡献。
Yuxiao Dong (东昱晓），清华大学计算机系助理教授，知识工程实验室（KEG）成员。
学者主页：https://keg.cs.tsinghua.edu.cn/yuxiao
主要研究方向为数据挖掘、图机器学习、预训练模型和社交网络。近期研究成果包括图神经网络预训练（GraphMAE, GPT-GNN, GCC）、异构图表示学习（Hetero. Graph Transformer/HGT, metapath2vec）及网络嵌入理论和快速算法（NetMF, NetSMF, ProNE, SketchNE)等。
ACM SIGKDD 博士论文奖旨在表彰数据科学、机器学习和数据挖掘领域当年或前一年优秀博士毕业生的杰出工作。每届会议一般会评选出一个冠军、至多两个亚军和若干荣誉奖。
论文标题：Towards Expressive and Scalable Deep Representation Learning for Graphs
论文摘要：In this thesis I present a series of work that pioneers the use of graph neural networks (GNNs) to tackle the challenges of representation learning on graphs in the aspects of explainability, scalability, and expressiveness. In the first part, I demonstrate my framework of GraphSAGE as a general but powerful overarching graph neural network framework. Under the framework of GraphSAGE, the second part presents a series of works that improve the expressive power of GNNs through the use of hierarchical structure, geometric embedding space, as well as multi-hop attention. Finally I demonstrate a variety of applications of GNNs in areas of recommender system, anomaly detection and physical simulations.
作者介绍：Rex Ying（应智韬）是美国耶鲁大学计算机系的助理教授，以及kumo.ai的创始工程师。于2022年1月获得斯坦福大学计算机系博士学位，导师是Jure Leskovec。主要研究方向为AI和机器学习在图数据结构上的算法和应用，包括图神经网络，表示学习，几何深度学习等。他是很多图学习领域常用算法的作者，包括GraphSAGE, PinSage, GNNExplainer等。Rex在社交网络，推荐系统，生物计算，物理模拟等应用场景中设计并落地图学习算法；他的框架在Pinterest，Amazon等多家公司被应用和部署。Rex是LoG 2022的领域主席，并且在KDD, ICML, ICLR, NeurIPS等多个会议举办图学习以及应用的Workshop和竞赛。
学者主页：https://www.aminer.cn/profile/zhitao-ying-rex
论文一：Graph Representation Learning: Spectral Theory and Self-supervised Learning
论文摘要：该论文从多个角度研究图表示学习，包括节点嵌入的谱理论，基于谱理论的大规模节点嵌入的算法，图神经网络的自监督学习算法和图表示学习的应用等，对图结构数据的理解、分析和推理做出了重要贡献。
作者介绍：裘捷中，腾讯高级研究员，于 2022 年 1 月获得清华大学计算机科学与技术系博士学位，导师为唐杰教授。主要研究方向是图数据的算法设计和表示学习。他关于图表示学习的工作 NetMF 和 GCC 分别是是 WSDM'18 和 KDD'20 当年会议第二高引用和最高引用论文。获得 2018 MSRA 微软学者提名奖、2022 北京市优秀毕业生、2022 清华大学优秀毕业论文。
学者主页：https://www.aminer.cn/profile/jiezhong-qiu
论文二：Graph Representation Learning: Spectral Theory and Self-supervised Learning
作者介绍：Daniel Zügner，现为微软剑桥研究院博士后研究员，博士毕业于慕尼黑工业大学，主要研究方向是图的鲁棒性深度学习、图表示学习和神经网络预测的不确定性估计。
学者主页：https://www.aminer.cn/profile/daniel-z-gner/5628ef5d45ce1e59661110a1
SIGKDD 时间检验奖旨在表彰过去十年对数据挖掘研究社区产生重大影响且目前仍被引作新研究分支基础的 KDD 大会杰出论文。
获奖论文：Searching and Mining Trillions of Time Series Subsequences under Dynamic Time Warping
作者：Thanawin Rakthanmanon, Bilson Campana, Abdullah Mueen, Gustavo Batista, Brandon Westover, Qiang Zhu, Jesin Zakaria, Eamonn Keogh
SIGKDD 时间检验应用科学奖旨在表彰在现实世界应用中产生真正影响的数据科学研究工作。
获奖论文：Discovering Regions of Different Functions in a City Using Human Mobility and POls
作者：Jing Yuan,Yu ZhengM,Xing Xie
内容中包含的图片若涉及版权问题，请及时与我们联系删除
评论
沙发等你来抢