因新冠疫情的影响,全球各大赛事和重大活动如 NBA,温网,东京奥运会,汉诺威工博会,日内瓦车展等纷纷叫停或延期,但学术顶级会议的步伐却未因此受阻。近日,国际数据挖掘顶级会议 KDD 正式公布了 KDD Cup 2020 竞赛赛题,自动机器学习(AutoML)赛道由第四范式主办,ChaLearn、斯坦福大学和谷歌(Google)协办。
01
什么是 KDD Cup ?
KDD Cup 由美国计算机协会知识发现与数据挖掘专委会(ACM SIGKDD)发起,被称为数据挖掘的世界杯,是该领域水平最高、影响力最大的顶级赛事。该比赛同时面向企业界和学术界,从 1997 年开始,每年举办一次,吸引了世界数据挖掘界的顶尖专家、学者、工程师前来参赛。
KDD Cup 的主办权一直是科技巨头们的“必争之地”,一直以来由谷歌、微软研究院等全球科技巨头及研究机构所把持。第四范式去年成功在KDD Cup创立首届AutoML竞赛,共吸引近千支队伍报名参赛,今年再次赢得AutoML赛道的主办权,成为第一家连续两年举办 KDD Cup 的中国科技公司,显示出组委会对第四范式在AutoML领域技术实力的认可与肯定。希望吸引更多的全球顶尖科研团队、技术专家、爱好者加入,共同推动 AutoML 技术在不同场景下的应用与发展。
编者按:作为 AutoML 领域先行者和实践者,第四范式已在 KDD、NeurIPS、ACML、PAKDD 等学术顶会中连续举办11届 AutoML 赛事,覆盖结构化数据、语音、图像、视频、自然语言处理等多个技术领域。
KDD Cup 2020官网
02
重学术,更重真实需求
KDD Cup多年来一直保持着很高的工业界参与度以及对解决实际问题的敏感度。本届 KDD Cup AutoML Track(自动机器学习赛道)设置为 AutoGraph 挑战赛,聚焦在近年来非常热门的图表示学习技术。其核心任务是基于图的拓扑结构,学习节点或者全图的向量表达,从而更好地用于下游机器学习的任务,如商品推荐,知识图谱补全,交通流量预测等,是学术界和工业界共同关注的焦点。尽管利用专家定义启发式规则、图神经网络(Graph Neural Network)等图表示学习方法各有优势,但由于领域专家稀缺且成本高昂、以及在算力方面投入巨大,极大限制了图表示学习的应用发展。因此,设计针对不同场景、不同任务的自动学习高质量图表示方法,极具研究价值。AutoGraph 挑战赛希望邀请全球参赛团队,设计开发出自动实现图表示学习的方案,解决现有图表示学习的棘手问题。斯坦福大学计算机系终身教授 Jure Leskovec 、NeurIPS比赛主席Hugo Jair Escalante、前NeurIPS大会主席Isabelle Guyon、香港科技大学教授杨强共同担任本次比赛的指导老师。其中,作为数据挖掘领域的世界顶级学者,Jure Leskovec 教授在 Graph 方向深耕20余年,Google 学术引用量超过6万,是知名图表示学习算法 node2vec, GraphSAGE 的发明者,也是知名图项目SNAP和Open Graph Benchmark的发起人。
图表示学习应用领域(源自论文《Higher-order organization of complex networks》)
本次比赛已于3月底在 AutoML 学术网站(https://www.automl.ai)正式上线,分为 Feedback、Check、Final 等3个阶段,Final 阶段的排名将决定获胜者。比赛将于 2020年6月7日截止,总奖金达33500美金,排名前10的团队均可获得奖金。最终优胜团队奖项会在 KDD 2020 大会上正式颁发并进行成果展示。
点击“阅读原文”进入比赛官方网站,了解KDD Cup 2020 AutoGraph挑战赛更多信息。