しましまのKDD2018まとめ

しましま @shima__shima

8月23日 (木) ：本会議3日目

Yusuke Hayashi 林祐輔 𝕏 @hayashiyus

KDD2018 大会参加中、現地参加している日本人と30名超知り合った。そのうち何名かの初対面の方から「Twitter フォローしてます。情報幾何と相対論の関係を調べている林さんですよね？」と言われ、更にその一部の方からは「あれって業務と関係させることできるんですか？笑」と聞かれて喫驚。 pic.twitter.com/iFeoflzNnh

拡大

拡大

拡大

Tom Diethe @tommy_da_cat

Big data leaning for small data problems- keynote by @yeewhye @kdd_news #KDD2018 #MachineLearning #BigData @DeepMindAI @OxfordStats

Alex Combessie @alex_combessie

Thanks @dataiku for enabling me to watch @yeewhye from @DeepMindAI at #KDD2018 pic.twitter.com/4hLqJZmkpi

拡大

Ingo Scholtes @ingo_S

Thanks to all the participants of our hands-on tutorial on higher-order data analytics for temporal network data. What a fun day! A full transcript of the tutorial with jupyter notebooks, data, slides, etc. is now available at ingoscholtes.github.io/kdd2018-tutori… @kdd_news #kddhigherorder

しましま @shima__shima

ノンパラベイズで著名なYee Whye Tehさん．今はDeepMindに移られてNNにベイズを取り込んでいるよう．今日は小さなデータに転移学習やメタ学習で対応しようという話題．

しましま @shima__shima

超パラメータ学習でGPを使うと遅いので，NNに確率を取り込んだニューラル過程というのを提案．通常の確定的な入力に加えて乱数に従うθを導入することでGPのような推定の揺らぎを扱うというアイデアのようだ．

しましま @shima__shima

GPより効率的とのことだが，揺らぎに対応するためにθを振り直していたら何度も学習しなくてはならずやはり大変な気がするのだがどうなのだろう？

しましま @shima__shima

次は，マルチタスク学習で共通部分知識を，個別タスクのパラメータを正則化して事前知識とし，個別タスクの出力を蒸留させるおとで共通部分の知識を学習するというマルチタスク学習の枠組みのDistral．NN以外にも適用できて面白そうだ．

Y.Motohashi @ysk_moto

ADS6: Corpus Conversion Service: 後略.Peter W J Staar (IBM);論文などのPDFを正しく認識してセマンティクスをつけた状態にするのが目的で、論文構成認識などに機械学習使ったよ的な。IBMだからかビジネスカンファレンスっぽかった。PFににお金をかけられる企業ならではの研究。　#KDD2018 pic.twitter.com/g3gsh51AHe

拡大

超循環評価器 @hagino3000

KDD 5日目。Applied Data Science Track Session ADS7: Medicine and Healthcareにin. リストバンド型装着デバイスから得たデータを使ったアルツハイマー判定の話。 kdd.org/kdd2018/accept…

Dirk Van den Poel @dirkvandenpoel

Great use of #FPGAs in Project #BrainWave (a scalable FPGA-powered DNN serving platform) at #KDD2018 for land cover mapping on @Microsoft @Azure for the Chesapeake area. #bigdata for good, #AI, #deeplearning, #DNN, #cloud pic.twitter.com/EFBIASfqCa

拡大

拡大

拡大

Y.Motohashi @ysk_moto

ADS6：Rare Query Expansion 後略 :Mu-Chu Lee (Carnegie Mellon Univ.)氏。滅多にない検索ワードに対する広告を決めるためにconditionalGANで検索と広告のクエリ生成するよ的な。検索クエリのGANとか私はしたことないけどやりたい人が日本にも多いのでは。実装がわかりやすく参考になりそう #KDD2018

超循環評価器 @hagino3000

次は網膜の厚さによる緑内障診断。CNNで網膜の厚さから視覚感度を推定する手法を提案。 kdd.org/kdd2018/accept…

Y.Motohashi @ysk_moto

ADS6：Rare Query Expansion 続き。motivationの説明のrare Queryの例がkoi Fishで日本人としてはニヤニヤしながらずっと聞いてた。たとえばconditionがkoiだとかずっと言ってて話者鯉好きすぎるだろとｗ #KDD2018 pic.twitter.com/MCEZgYgAtm

拡大

Y.Motohashi @ysk_moto

ADS6:Collaborative Deep Metric Learning for Video Understanding: Joonseok Lee (Google)氏。動画の関連付け・推薦パーソナライズ・annotationの各工夫。網羅性,完成度がさすが。が,随所で次元圧縮があり、annotationはframe情報を使ってない感じで、超絶な計算量との戦いだなと思った。 #KDD2018

Y.Motohashi @ysk_moto

ADS6: Name Disambiguation in AMiner: Clustering, Maintenance, and Human in the Loop: Yutao Zhang (Tsinghua University)氏。 AMiner:における人物名曖昧性の排除のためにどうやって類似推定や別人推定したりなんだり的な。中国名は特に同姓同名が多いのかな？ #KDD2018

Y.Motohashi @ysk_moto

ADS6.:Rosetta: Large scale system for text detection and recognition in images Fedor Borisyuk (Facebook Inc.)氏。facebookに投稿される画像のOCRを行う方法について。IBM・googleに続いてこのトラック3件目のアーキテクチャ論的な発表。超大規模データって大変ね。　#KDD2018

Emma Duckworth @EmmaDuckworth1

Fascinating talk on differential privacy and the US census with regards to redrawing electoral districts, interesting to think how it applies to GDPR this side of the pond. #DataScience #data #KDD2018 pic.twitter.com/i2yZ5tNZua

拡大

Catbaba @catbaba

Great talk on differential privacy #KDD2018 pic.twitter.com/hsGx9hFiJp

拡大

拡大

拡大

拡大

Toma Skimelyte @keturlape

Our booth presentation at the #KDD2018 conference! #planetBooking #MachineLearning pic.twitter.com/oHkonn8TAv

拡大

LoopMe @LoopMe

Some really fascinating conversations at #KDD2018 this afternoon! @kdd_news #AI pic.twitter.com/9TJ8TX0T3W

拡大

しましま @shima__shima

Sequences of Sets bit.ly/SoS-KDD 集合の系列（メールの宛名の集合の系列とか）の生成モデルの提案． 2〜3個の部分集合の和集合で集合の生成モデルを表す．集合が入出力になった予測モデルは非常に少なくいが，よいアイデアが盛り込まれていると思う

Y.Motohashi @ysk_moto

ADS8:False Discovery Rate後略 Yuxiang Xie (Univ. of Washington) 氏。A/BテストはAverage Treatment Effectで効果推定するが、対象群のheterogeneous性に対応できないのでそれを検知できるようにする.A/Bテスト屋向け。一般の相関モデリングでも使えるかも？ kdd.org/kdd2018/accept… #KDD2018

バル @baru_san

Scalable Spectral Clustering Using Random Binning Features kdd.org/kdd2018/accept… スペクトラルクラスタリングをデータサイズに対して線形時間で近似的に解く話