KDD 2021最佳论文等奖项出炉，首尔大学、斯坦福获奖，北理工上榜机器之心报道机器之心编辑部

机器之心报道
机器之心编辑部
国际数据挖掘顶会KDD2021刚刚放出了最佳论文等奖项，最受瞩目的最佳论文奖由首尔大学和斯坦福大学等机构的研究者分别摘得，最佳学生论文奖由维也纳大学的研究团队获得。

文章图片
KDD会议始于1989年，是数据挖掘领域历史最悠久、规模最大的国际顶级学术会议，也是首个引入大数据、数据科学、预测分析、众包等概念的会议。
目前， KDD2021大会正在线上如火如荼地举行当中，议程包括主题演讲、专题小组、特邀报告、精选研究、workshop等。大会共计收到1541篇有效投稿，其中238篇论文被接收，接收率为15.4% ，相比去年的接收率16.9%有所下降。
【KDD 2021最佳论文等奖项出炉，首尔大学、斯坦福获奖，北理工上榜】KDD2021线上开幕之前，多个奖项已经公布，包括创新奖、服务奖、学位论文奖（亚军及荣誉提名）、新星奖、时间检验研究奖和时间检验应用科学奖，其中北航校友Xia“Ben”Hu（胡侠）获得了新星奖，字节跳动AML研究团队ChongWang的一篇KDD2011论文获得了时间检验研究奖。
刚刚， KDD2021公布了研究方向（researchtrack）和应用数据科学方向（AppliedDataScienceTrack）的最佳论文和最佳学生论文，具体如下：
首尔大学研究者获得研究方向最佳论文奖斯坦福大学等机构的研究者获得应用数据科学方向最佳论文北京理工大学和美的集团的研究者获得应用数据科学方向最佳论文亚军维也纳大学的研究者获得研究方向最佳学生论文研究方向最佳论文
今年的「研究方向最佳论文奖」由来自首尔大学的Jun-giJang、UKang摘得，获奖论文是《FastandMemory-EfficientTuckerDecompositionforAnsweringDiverseTimeRangeQueries》。

文章图片
论文地址：https://dl.acm.org/doi/pdf/10.1145/3447548.3467290
论文摘要：给定一个时间密集张量和一个任意的时间范围，我们如何有效地在这个范围内得到潜在因子？Tucker分解是分析密集张量以发现隐藏因子的基本工具，已在许多数据挖掘应用中得到应用。然而，现有的分解方法不提供分析特定范围的时间张量的功能。现有的方法是one-off形式，主要集中在对整个输入张量执行一次Tucker分解。尽管现有的一些预处理方法可以处理时间范围查询，但它们仍然非常耗时，并且准确率较低。
在该论文中，该研究提出了Zoom-Tucker ，这是一种快速且节省内存的Tucker分解方法，可用于在任意时间范围内查找时间张量数据的隐藏因子。 Zoom-Tucker充分利用块结构来压缩给定的张量，支持有效查询并捕获本地信息。 Zoom-Tucker通过精心解耦包含在该范围内的预处理结果并仔细确定计算顺序，快速且高效地回答各种时间范围查询。研究证明，与现有的方法相比Zoom-Tucker的速度快171.9倍，所需空间少230倍，同时提供了相当的准确率。

文章图片
Zoom-Tucker预处理过程。

文章图片
查询时间和重构误差之间权衡的比较结果。

文章图片
空间成本比较：Zoom-Tucker与其他方法相比，所需空间少230倍。
研究方向最佳学生论文
来自维也纳大学计算机学院的YlliSadikaj等人获得了研究方向最佳学生论文，获奖论文是《SpectralClusteringofAttributedMulti-relationalGraphs》。