优秀！东大团队“亮剑”数据挖掘领域“世界杯”！

Posted 2021-04-27 东南大学

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了优秀！东大团队“亮剑”数据挖掘领域“世界杯”！相关的知识，希望对你有一定的参考价值。

近日，东南大学交通学院刘志远教授团队

博士生刘洋、硕士生吕呈

获得人工智能领域顶级国际会议的

两项竞赛大奖，分别是

KDD CUP Regular Machine

Learning Competition

Track-Task2亚军

以及Task 1第4名

团队成员受邀前往KDD会议现场领奖

并展示获奖方案

相关工作被收录至KDD CUP论文集

ACM SIGKDD Conference on Knowledge Discovery and Data Mining（简称KDD）是国际数据挖掘领域的最高级别的学术会议。其中KDD CUP是ACM SIGKDD组织的年度赛事，有数据挖掘领域“世界杯”之称，是目前数据挖掘领域最高水平、最具影响力、规模最大的国际顶级赛事。本次比赛由百度公司承办，赛题和智能出行相关，吸引了来自世界各地的1600余支队伍参赛。

一个基于百度地图的上下文感知多模式交通推荐服务的

用户界面实例

赛题设置

比赛设置了两个子赛题（Task 1和Task 2），其中，Task 1的题目是“Context-Aware Multi-Modal Transportation Recommendation”，需要参赛者基于提供的用户历史行为数据，在城市的复杂出行情境下比较步行、骑车、打车等各种出行方式，为用户提供个性化和场景化的路线规划服务，帮助用户找到最合适的出行方案。Task 2是应用类问题挑战赛，允许参赛者利用百度开放的大数据自由命题，探索百度大数据在智能城市领域的应用。

另辟蹊径，打破常规

在 Task 1 中，刘志远教授指导的TLab团队设计了一个全新的智能出行多模式推荐架构。为了解决目标函数不一致和样本类别的不平衡问题，提出了一种随机搜索算法，对预测结果进行权重修正，提升最终的预测精度。通过运用一系列打破常规的设计，减少了一半以上人工设计特征的工作量以及算法运行时间。

同时，多模式出行推荐除了可以为百度地图用户提供更好的用户体验外，还有巨大的社会意义，可减少整体出行时间，平衡交通流量，减少交通拥堵，并最终促进智能交通系统的发展。经过三轮残酷的淘汰赛，TLab 团队从1600 余支队伍脱颖而出，在精度（即F1 score）、效率、创新性三个评价指标分别位列第5名、第5名、第1名。经过加权，最终总成绩位居第4名（排名：4 / 1696，奖金 $1,000）。参赛成员：刘洋、吴凡优、张山。这也是获奖队伍中唯一的一支学生队伍。

Task 1 排行榜

独出心裁，推陈出新

Task 2 的竞争更加激烈。在现有的导航软件中，交通模式智能推荐均是基于用户历史行为进行的。TLab团队创新性地将交通工程领域知识与推荐算法深度融合，提出了一套全新的方案，在推荐时不仅考虑用户的个人偏好，也兼顾交通网络容量和出行需求的“供需平衡”，进一步减少用户的总出行成本，提高交通网络的运行效率。

同时，算法还考虑了大数据集下的应用问题。传统的特征提取方法十分耗时，且内存消耗极大，为了在保证精度的条件下，尽可能的缩短运算成本，论文中提出了基于增量多窗口扫描和用户行为层级的特征提取架构。通过将运算资源更多地分配给重要的用户行为，该架构有效地提升了算法整体运行效率。