由中國中文信息學(xué)會社會媒體處理專委會主辦、哈爾濱工業(yè)大學(xué)承辦的第七屆全國社會媒體處理大會（SMP 2018）將于 2018 年 8 月 2 日- 4 日在哈爾濱召開。雷鋒網(wǎng)作為獨家戰(zhàn)略媒體帶來合作報道。SMP 專注于以社會媒體處理為主題的科學(xué)研究與工程開發(fā)，為傳播社會媒體處理最新的學(xué)術(shù)研究與技術(shù)成果提供廣泛的交流平臺，旨在構(gòu)建社會媒體處理領(lǐng)域的產(chǎn)學(xué)研生態(tài)圈，成為中國乃至世界社會媒體處理的風(fēng)向標(biāo)。

8 月 2 日舉行了第十期前沿技術(shù)講習(xí)班（ATT 10），此次講習(xí)班邀請四位知名學(xué)者圍繞網(wǎng)絡(luò)表示學(xué)習(xí)、因果推論、深度強(qiáng)化學(xué)習(xí)及數(shù)據(jù)可視化四個方向進(jìn)行講座。講習(xí)班由浙江大學(xué)楊洋助理教授擔(dān)任主席。

在上午的講習(xí)班環(huán)節(jié)中，北京大學(xué)信息科學(xué)技術(shù)學(xué)院的宋國杰副教授帶來了《大規(guī)模網(wǎng)絡(luò)表示學(xué)習(xí)》的分享，圍繞網(wǎng)絡(luò)表示學(xué)習(xí)的研究展開了詳細(xì)而系統(tǒng)的闡述。

圖片來源：哈工大 SCIR 李家琦

基于現(xiàn)實世界中的大量數(shù)據(jù)都是以網(wǎng)絡(luò)形式存在的，盡管目前計算機(jī)的算力在不斷增強(qiáng)，但考慮到數(shù)據(jù)的高維性、數(shù)據(jù)的稀疏性、數(shù)據(jù)的大體量等多種因素，如何圍繞大規(guī)模網(wǎng)絡(luò)數(shù)據(jù)開展機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘研究，也成為了產(chǎn)學(xué)高度關(guān)注的重要議題。

他首先從線性與非線性的角度回顧了發(fā)展歷程，并強(qiáng)調(diào)了表示學(xué)習(xí)的研究目標(biāo)主要集中在兩個方面，一個是還原網(wǎng)絡(luò)原始節(jié)點中的關(guān)系；另一個是維護(hù)節(jié)點在網(wǎng)絡(luò)空間中的性質(zhì)。他在講座中還介紹了 Word2Vec、Adjacency-based similarity、LINE 及 Random-walk Approach 等四個經(jīng)典的表示學(xué)習(xí)方法。

他結(jié)合各項研究的特點做出總結(jié)，并從多個方面進(jìn)行了網(wǎng)絡(luò)表示學(xué)習(xí)的進(jìn)一步延伸，分別從靜態(tài)數(shù)據(jù)到動態(tài)數(shù)據(jù)（如 depthLGP、Dynamic Triad Model 等工作）、從節(jié)點到社群（如 M-NMF 等工作）、從同質(zhì)到異質(zhì)（如 meta path 等工作）等多個方面介紹了一系列代表性進(jìn)展。

隨后，他圍繞多層次網(wǎng)絡(luò)表示學(xué)習(xí)、動態(tài)網(wǎng)絡(luò)表示學(xué)習(xí)及基于網(wǎng)絡(luò)表示學(xué)習(xí)的實體標(biāo)準(zhǔn)化等三個角度深入介紹團(tuán)隊的相關(guān)工作。最后，他建議未來可以圍繞 Graph Neural Network、大規(guī)模 Network Embedding、拓展 embedding space 等方面展開更多研究。

接下來，清華大學(xué)政治學(xué)系孟天廣副教授帶來了題為《計算社會科學(xué)新進(jìn)展：從探索性分析到因果推論》的主題報告。

圖片來源：哈工大 SCIR 李家琦

報告伊始，他闡述了大數(shù)據(jù)分析與因果推論的關(guān)系，他表示，大數(shù)據(jù)分析是以知識發(fā)現(xiàn)為導(dǎo)向的，數(shù)據(jù)挖掘即從數(shù)據(jù)中自動抽取模式，然后通過解釋和評價轉(zhuǎn)換成最終用戶可理解的知識。因果推論視角下的大數(shù)據(jù)分析則包括描述性推論、因果性推論、機(jī)制性推論。

他進(jìn)一步表明計算社會科學(xué)中重視因果關(guān)系有如下五點原因：一是好奇心驅(qū)動，二是解釋性知識更關(guān)鍵，三是需要將社科應(yīng)用到社會場景，四是識別好的因果關(guān)系可以幫助我們更有效地做預(yù)測，五是要賦予數(shù)據(jù)挖掘社會意義。

帶來計算社會科學(xué)方法論的進(jìn)展之后，他也回應(yīng)了目前對大數(shù)據(jù)方法的一些批評，如探究「相關(guān)關(guān)系」而非「因果關(guān)系」，在數(shù)據(jù)采集過程中涉及到個人隱私保護(hù)問題等等。他同時指出，大數(shù)據(jù)方法也帶來了很多機(jī)遇。比如數(shù)據(jù)模態(tài)更加多元，是「全量數(shù)據(jù)」而不是「樣本數(shù)據(jù)」，是「真實數(shù)據(jù)」而不是「設(shè)計的數(shù)據(jù)」，數(shù)據(jù)里蘊(yùn)含豐富的時空信息可以用來做數(shù)據(jù)融合等等。而在經(jīng)濟(jì)上，也具備低成本、時效性和高效率三個特征，此外在學(xué)術(shù)影響上也極具優(yōu)勢。

此后，他詳述了用大數(shù)據(jù)做因果推論的四個發(fā)展方向，一是大數(shù)據(jù)+計量分析，即用大數(shù)據(jù)的方法降維、測量，然后再做回歸、匹配等，二是大數(shù)據(jù)+小數(shù)據(jù)分析，即在大數(shù)據(jù)里抽取小樣本，進(jìn)一步檢驗?zāi)Ｐ图僭O(shè)，三是大數(shù)據(jù)+時空模型，進(jìn)行一些因果推斷和可視化，四是大數(shù)據(jù)分析+實驗設(shè)計。

他表示，在大數(shù)據(jù)分析、因果推論上有一系列工具：例如統(tǒng)計分析方法，如主成分分析、線性回歸、非線性回歸、空間計量等，還有一些現(xiàn)場實驗、自然實驗等實驗方法。

在最后，他詳述了這四個方向的若干方法和工具，并舉了一系列實例，如文本匹配、立案登記制等等。

下午，清華大學(xué)計算機(jī)系黃民烈副教授分享了《深度強(qiáng)化學(xué)習(xí)及其在自然語言處理的應(yīng)用》。他首先介紹了強(qiáng)化學(xué)習(xí)的基本概念，作為「首個通過交互進(jìn)行學(xué)習(xí)的模型」，強(qiáng)化學(xué)習(xí)通過對策略給予不同的 reward，在試錯的過程中達(dá)成最優(yōu)策略。由于具有序列決策、嘗試試錯、延遲獎勵等特點，深度強(qiáng)化學(xué)習(xí)在游戲、機(jī)器人、自動駕駛等多個領(lǐng)域擁有廣泛的應(yīng)用場景。

圖片來源：哈工大 SCIR 李家琦

基于 value-based（Q-Learning）、policy based 和 actor-critic 的方法，他對其代表方法及基本思想做出了闡述，他在演講中也總結(jié)了強(qiáng)化學(xué)習(xí)的主要特點，1）當(dāng)前決策會影響未來的決策；2）強(qiáng)化學(xué)習(xí)的訓(xùn)練過程本質(zhì)上是一個試錯的過程；3）以長期 reward 的最大化為導(dǎo)向。

在強(qiáng)化學(xué)習(xí)應(yīng)用于 NLP 領(lǐng)域當(dāng)中，面臨離散反饋、action space 的高維性等多種層面的挑戰(zhàn)，但在無直接監(jiān)督信息、弱信號場景中，可以利用強(qiáng)化學(xué)習(xí)的試錯和概率探索能力，通過編碼先驗或領(lǐng)域知識，進(jìn)而達(dá)成學(xué)習(xí)目標(biāo)。相應(yīng)地，從檢索和推理層面，可以借助強(qiáng)化學(xué)習(xí)進(jìn)行模型、文本抽取的工作；從樣本選擇上，可以做樣本去噪、標(biāo)記糾錯等工作；另外在策略優(yōu)化上，也可以進(jìn)行搜索策略優(yōu)化、語言生成等探索。

在最后，他總結(jié)了強(qiáng)化學(xué)習(xí)在自然語言處理應(yīng)用中的關(guān)鍵點，包括 1）將任務(wù)轉(zhuǎn)化化自然序列決策問題；2）明確強(qiáng)化學(xué)習(xí)的「試錯」本質(zhì)；3）在 reward 中加入先驗知識的理解；4）在無監(jiān)督或弱監(jiān)督的場景下行之有效。但與此同時，我們也應(yīng)看到暖啟動的重要性，此外也應(yīng)考慮在完全監(jiān)督及 Large Action Space 問題下效果提升的有限性，在訓(xùn)練技巧及調(diào)參上也對研究者提出了更高的要求。

最后一位演講的嘉賓是同濟(jì)大學(xué)設(shè)計創(chuàng)意學(xué)院教授、智能大數(shù)據(jù)可視化實驗室主任曹楠，他帶來了數(shù)據(jù)可視化的一系列介紹以及可視化在異常檢測中的應(yīng)用。

圖片來源：哈工大 SCIR 李家琦

演講伊始，他對同濟(jì)大學(xué)智能大數(shù)據(jù)可視化實驗室進(jìn)行了簡單介紹，實驗室橫跨多個學(xué)科，研究領(lǐng)域包括數(shù)據(jù)可視化、人機(jī)交互、機(jī)器學(xué)習(xí)，目前正在招生中。

隨后，他介紹了數(shù)據(jù)可視化的基礎(chǔ)概念，可視化一個很重要的功能就是數(shù)據(jù)解釋，當(dāng)數(shù)據(jù)量非常大，結(jié)果很復(fù)雜時，可視化在理解數(shù)據(jù)中可以發(fā)揮重大作用。他表示，廣義來講，任何能創(chuàng)造圖像、動畫等的技術(shù)都可以稱為可視化，數(shù)據(jù)可視化是可視化的一個分支，數(shù)據(jù)可視化分為三個子領(lǐng)域：科學(xué)可視化、信息圖，信息可視化，這里重點討論的是信息可視化。

他舉了拿破侖對莫斯科進(jìn)軍路線的一張圖來說明可視化的作用，這張圖用二維圖表一目了然地展現(xiàn)了五六維的信息。他強(qiáng)調(diào)，信息可視化不是藝術(shù)，也不是計算機(jī)圖形，也不是處理圖像，而是圍繞數(shù)據(jù)，揭示數(shù)據(jù)真諦。在統(tǒng)計分析時會掩蓋數(shù)據(jù)的真諦，可視化可以幫助從上下文中觀察數(shù)據(jù)。

他提到大數(shù)據(jù)可視化的三點挑戰(zhàn)：視覺混亂、性能瓶頸、人的認(rèn)知有限。接下來他闡述了創(chuàng)造可視化的幾個關(guān)鍵點：理解數(shù)據(jù)，知道用戶和任務(wù)；設(shè)計要能達(dá)到信、達(dá)、雅；布局，即解優(yōu)化方程，但由于時間限制，往往沒法得到全局最優(yōu)解；此外，為了讓人們觀察到數(shù)據(jù)的變化，必須有動畫。

之后，他介紹了一些流行的可視化開源工具包，例如 D3.js, Tableau，在可視化相關(guān)知識的學(xué)習(xí)上，他推薦了《Visualization Analysis&Design》一書。另外，他介紹了可視化相關(guān)的重要學(xué)術(shù)會議，包括 IEEE InfoVis/VAST/SciVis。

在介紹完可視化一系列基礎(chǔ)概念之后，他提到用可視化來查找社交媒體中的異常用戶，他表示，匿名用戶的行為可能會威脅到整個社區(qū)，這時候找出這些異常用戶意義重大。這時候面臨的挑戰(zhàn)有兩點：很難定義何為正常和異常，很難獲得有標(biāo)簽的數(shù)據(jù)來訓(xùn)練模型。之后，他舉了他們實驗室在異常檢測方面的一連串的工作，研究主要分兩個階段，第一階段是群體異常行為的分析，第二階段是個體異常分析，他們此前的相關(guān)工作有如 FluxFlow 謠言檢測，TargetVue 用戶行為畫像等。之后，他也介紹了異常檢測相關(guān)競賽 Bot Design/Detection。

至此，講習(xí)班內(nèi)容全部結(jié)束，在明后兩天，SMP 2018 將迎來六大特邀報告，八大分論壇、技術(shù)測評以及口頭報告等多項精彩環(huán)節(jié)，雷鋒網(wǎng)也將持續(xù)為大家?guī)韺ｎ}報導(dǎo)，敬請期待。雷鋒網(wǎng)

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。