蛋播视频一区,无码鲁丝一区二区,精品 久久 五月天,国产老熟女,五月草草在线观看,中文日韩欧美,情色一区二区三区,欧美日韩亚洲激情在线,亚洲制服在线香蕉

主辦單位

Host

上海財(cái)經(jīng)大學(xué)信息管理與工程學(xué)院

時(shí)間

Time

2021年8月13日（北京時(shí)間）

地點(diǎn)

Venue

騰訊會(huì)議ID：924531474

密碼：862124

研討會(huì)議程

Seminar Agenda

會(huì)議主席：黃海量（上海財(cái)經(jīng)大學(xué)信息管理與工程學(xué)院常務(wù)副院長(zhǎng)、教授），傅曉明（德國(guó)哥廷根大學(xué)講席教授）。minar Agenda

時(shí)間

8月13日上午

上半場(chǎng)主持人：黃海量

08:30-09:10

傅曉明：Estimating Socioeconomic Status with Big Data （基于大數(shù)據(jù)評(píng)估個(gè)人社會(huì)經(jīng)濟(jì)地位）

09:10-10:10

羅家德、高馨：大數(shù)據(jù)研究的未來(lái)——與阿伯特商榷專業(yè)知識(shí)的未來(lái)

10:10-10:50

韓瀟、黃海量：Investment Behavior Profiling: A Deep-Learning Predictive Framework

中場(chǎng)休息

10:50-11:00

下半場(chǎng)主持人：傅曉明

11:00-11:40

楊虎：大數(shù)據(jù)風(fēng)險(xiǎn)投資領(lǐng)袖識(shí)別問(wèn)題研究

11:40-12:20

王俊、李慶：人工智能與證券市場(chǎng)風(fēng)險(xiǎn)

12:20-13:00

陳陽(yáng)、宮慶媛：Detecting Malicious Accounts in Online Developer Communities Using Deep Learning

報(bào)告摘要&主講人簡(jiǎn)介

ABOUT SPEAKER

Estimating Socioeconomic Status with Big Data （基于大數(shù)據(jù)評(píng)估個(gè)人社會(huì)經(jīng)濟(jì)地位）

摘要：Socioeconomic status (SES) represents a person's social and economic rank in a society, especially education, occupation and income. Traditionally, estimating SES for a large population is performed by national statistical institutes through a large number of household interviews, which is highly expensive and time-consuming. In this talk I will describe our recent efforts on estimating a person's socioeconomic status with multiple sources of data.

主講人：傅曉明，德國(guó)哥廷根大學(xué)講席教授。分別于1994年和1997年在東北大學(xué)獲得工業(yè)自動(dòng)化儀表專業(yè)工學(xué)學(xué)士學(xué)位和計(jì)算機(jī)應(yīng)用專業(yè)工學(xué)碩士學(xué)位，2000年在清華大學(xué)計(jì)算機(jī)系統(tǒng)結(jié)構(gòu)專業(yè)獲工學(xué)博士學(xué)位。曾擔(dān)任柏林工業(yè)大學(xué)研究員(2000-2002)，哥廷根大學(xué)助理教授(2002-2007)、教授 (2007-今), 是美國(guó)2009/2010年度富布萊特學(xué)者。

傅曉明教授曾獲哥廷根大學(xué)基金董事會(huì)青年學(xué)者杰出論文獎(jiǎng)，被評(píng)為IEEE杰出講演者（2014-2015），英國(guó)工程技術(shù)學(xué)會(huì)會(huì)士（2017），歐洲科學(xué)院院士（2018）。

傅曉明教授擔(dān)任（或曾經(jīng)擔(dān)任）國(guó)際電氣電子工程師學(xué)會(huì)IEEE通信學(xué)會(huì)互聯(lián)網(wǎng)技術(shù)委員會(huì)主席、計(jì)算機(jī)通信技術(shù)委員會(huì)副主席，IEEE交通技術(shù)學(xué)會(huì)德國(guó)分會(huì)共同創(chuàng)會(huì)主席，以及IEEE Transactions on Network Science and Engineering, IEEE Transactions on Network and Service Management, IEEE Network, Chinese Journal of Electronics等學(xué)術(shù)雜志編委, Journal of Social Computing主編。

大數(shù)據(jù)研究的未來(lái)——與阿伯特商榷專業(yè)知識(shí)的未來(lái)

摘要：本報(bào)告探究“探索性研究”與“驗(yàn)證性研究”的整合，大數(shù)據(jù)方法使得兩者可以相生循環(huán)，形成從資料挖掘的發(fā)現(xiàn)到弱解釋模型到強(qiáng)解釋模型理論、數(shù)據(jù)挖掘與預(yù)測(cè)模型的三角對(duì)話；大數(shù)據(jù)為社會(huì)科學(xué)理論帶來(lái)典范轉(zhuǎn)移，同時(shí)為理論帶來(lái)新的范式。

主講人：羅家德，清華大學(xué)社會(huì)科學(xué)院社會(huì)學(xué)系與公共管理學(xué)院合聘教授、博導(dǎo)，清華大學(xué)社會(huì)網(wǎng)絡(luò)研究中心主任 ，清華大學(xué)社會(huì)科學(xué)學(xué)院信義社區(qū)營(yíng)造研究中心主任 , 并負(fù)責(zé)組織清華大學(xué)社會(huì)工作專業(yè)碩士培訓(xùn)。在社會(huì)服務(wù)上，為Journal of Social Computing主編，中國(guó)社會(huì)學(xué)會(huì)社會(huì)網(wǎng)暨社會(huì)資本研究專業(yè)委員會(huì)創(chuàng)會(huì)主席，中國(guó)管理現(xiàn)代化研究會(huì)組織與戰(zhàn)略管理專業(yè)委員會(huì)副理事長(zhǎng)，以及中國(guó)人工智能學(xué)會(huì)社會(huì)智能與社會(huì)計(jì)算專業(yè)委員會(huì)榮譽(yù)副理事長(zhǎng)。在學(xué)術(shù)領(lǐng)域著重于社會(huì)網(wǎng)理論研究，社會(huì)計(jì)算、大數(shù)據(jù)中的社會(huì)網(wǎng)分析，自組織過(guò)程研究，并將中國(guó)社會(huì)的“關(guān)系” 與“圈子”等特質(zhì)置于中國(guó)本土化研究之中，著有《中國(guó)人的信任游戲》、《社會(huì)網(wǎng)分析講義》、以及復(fù)雜系統(tǒng)管理學(xué)三部曲：《復(fù)雜──信息時(shí)代的連結(jié)、機(jī)會(huì)與布局》、《中國(guó)治理－－中國(guó)人復(fù)雜思維的九大原則》、《復(fù)雜治理－－個(gè)人與組織的進(jìn)化法則》等書。同時(shí)還組織了社區(qū)營(yíng)造研究中心在汶川地震災(zāi)區(qū)鄉(xiāng)村以及北京大柵欄地區(qū)從事可持續(xù)性發(fā)展的社區(qū)實(shí)驗(yàn)，并舉辦相關(guān)培訓(xùn)，著有《災(zāi)區(qū)重建紀(jì)事》、《云村重建紀(jì)事》以及《社區(qū)營(yíng)造的理論，流程與案例》等學(xué)術(shù)論著。

Investment Behavior Profiling: A Deep-Learning Predictive Framework

摘要：Investor profiles, which describe investors’ characteristics and indicate their future investment tendencies, play a critical role in various financial practices for wealth management. Producing accurate investor profiles is challenging as individuals’ investment characteristics and tendencies may be influenced by numerous features and change over time. Typical investor profiling methods rely on questionnaires to gather information and usually offer limited character interpretation. With the widespread use of information systems in the financial industry, vast amounts of individuals’ investment behavior data have been collected, which offers great opportunities for investor profiling using data analysis techniques. Extant pioneering data-driven profiling methods for other objects (e.g., customers or patients) are inspiring but do not pay attention to some important investment characteristics, such as temporal dynamics and heterogeneous relational impacts. To address this gap, we propose a novel Temporal-Relational Investment Profiling (TRIP) framework. We first design a profile representation method to extract comprehensive features from investment behavior records in a uniform format, ensuring the representation generalizability to different investors. Then, we construct a recurrent graph convolutional neural network (RGCN) to simultaneously model the temporal dynamics and relational impacts hidden in investors’ behaviors. Specifically, the RGCN can predict an investor’s future profile from his/her past behaviors. Using data from two real financial markets, peer-to-peer lending and company investment, we verify that TRIP can significantly outperform prior profiling methods in predicting investors’ future behaviors, as well as improving the performance of financial applications including active investor prediction and investor recommendation.

主講人：韓瀟，上海財(cái)經(jīng)大學(xué)信息管理與工程學(xué)院副教授。主要研究方向包括金融科技、智慧城市、智慧醫(yī)療領(lǐng)域的數(shù)據(jù)挖掘與數(shù)據(jù)安全、尤其關(guān)注時(shí)空軌跡挖掘、社交關(guān)系挖掘、聯(lián)邦學(xué)習(xí)、隱私計(jì)算等。近年來(lái)，在MIS Quarterly, TDSC., DSS, TIST, ESWA, WWW, AAAI 等國(guó)際知名期刊及會(huì)議上發(fā)表論文20余篇。主持國(guó)家自然科學(xué)基金項(xiàng)目2項(xiàng)，主持國(guó)家自然科學(xué)基金重點(diǎn)項(xiàng)目子課題1項(xiàng)，教育部語(yǔ)委重點(diǎn)項(xiàng)目1項(xiàng)。任UIC、AAAI等國(guó)際會(huì)議程序委員會(huì)委員，以及Decision Support Systems，IEEE Trans. on Services Computing等期刊審稿人。

大數(shù)據(jù)風(fēng)險(xiǎn)投資領(lǐng)袖識(shí)別問(wèn)題研究

摘要：在中國(guó)風(fēng)險(xiǎn)投資市場(chǎng)，風(fēng)險(xiǎn)投資機(jī)構(gòu)為獲取更多投資機(jī)會(huì)和資源、分散投資風(fēng)險(xiǎn)、產(chǎn)生協(xié)同效應(yīng)等原因，常常與其他投資機(jī)構(gòu)進(jìn)行聯(lián)合投資，以提升自身投資績(jī)效。研究中國(guó)風(fēng)險(xiǎn)投資市場(chǎng)的聯(lián)合投資行為，有助于我們掌握中國(guó)風(fēng)險(xiǎn)投資市場(chǎng)中的風(fēng)險(xiǎn)投資領(lǐng)袖，為投資機(jī)構(gòu)、被投機(jī)構(gòu)等選擇合作伙伴提供依據(jù)。基于此，本研究以中國(guó)風(fēng)險(xiǎn)投資大數(shù)據(jù)為例，闡述數(shù)據(jù)挖掘、理論與預(yù)測(cè)模型的“三角對(duì)話”的分析過(guò)程，即：首先，從經(jīng)濟(jì)管理等社會(huì)問(wèn)題出發(fā)提供議題方向及扎根真相，借助數(shù)據(jù)挖掘?qū)ι鐣?huì)問(wèn)題建模并驗(yàn)證；其次，根據(jù)研究結(jié)果指導(dǎo)建立更精準(zhǔn)的預(yù)測(cè)模型；最后，根據(jù)預(yù)測(cè)結(jié)果對(duì)實(shí)際問(wèn)題進(jìn)行推論。

主講人：楊虎，中央財(cái)經(jīng)大學(xué)信息學(xué)院副教授，中國(guó)人工智能學(xué)會(huì)社會(huì)計(jì)算與社會(huì)智能專業(yè)委員會(huì)委員、中國(guó)醫(yī)療保健國(guó)際交流促進(jìn)會(huì)中醫(yī)藥質(zhì)量?jī)?yōu)化分會(huì)委員，中國(guó)計(jì)算機(jī)學(xué)會(huì)會(huì)員，運(yùn)籌學(xué)和管理學(xué)研究協(xié)會(huì)（INFORMS）會(huì)員。先后在丹麥奧胡斯大學(xué)公共衛(wèi)生學(xué)院、美國(guó)明尼蘇達(dá)大學(xué)生物統(tǒng)計(jì)系、日本北海道大學(xué)訪學(xué)創(chuàng)成研究機(jī)構(gòu)訪學(xué)。主要研究方向?yàn)椋捍髷?shù)據(jù)分析與統(tǒng)計(jì)計(jì)算、社會(huì)計(jì)算、復(fù)雜網(wǎng)絡(luò)分析、數(shù)據(jù)挖掘。目前承擔(dān)了國(guó)家自然科學(xué)基金青年基金、統(tǒng)計(jì)局重點(diǎn)研究項(xiàng)目等課題，有豐富的科研和教學(xué)經(jīng)驗(yàn)。已在《Statistics in Medicine》、《Information Processing & Management》、《Computational Statistics and Data Analysis》、《Communications in Statistics-Simulation and Computation》、《Journal of Computational Biology》等國(guó)內(nèi)外知名期刊發(fā)表學(xué)術(shù)成果。目前擔(dān)任《Information Processing & Management》、《International Journal of Information Management》、《International Journal of Production Research》、《Journal of Social Computing》、《系統(tǒng)科學(xué)理論與實(shí)踐》等國(guó)內(nèi)外期刊與學(xué)術(shù)會(huì)議審稿人。

人工智能與證券市場(chǎng)風(fēng)險(xiǎn)

摘要：隨著人工智能的興起，智能技術(shù)在諸多領(lǐng)域都取得了一系列突破性進(jìn)展。在本次研討中，我們將回溯人工智能技的發(fā)展歷程，把握目前智能技術(shù)發(fā)展的狀況，以及探尋如何將其與傳統(tǒng)的金融學(xué)理論與實(shí)戰(zhàn)相結(jié)合，探索一條金融智能的發(fā)展道路；其次，我們將聚焦人工智能與證券市場(chǎng)風(fēng)險(xiǎn)的研究，從多維數(shù)據(jù)的角度來(lái)探析證券市場(chǎng)的波動(dòng)，并對(duì)該領(lǐng)域的研究熱點(diǎn)和主流技術(shù)方案進(jìn)行綜述講解。最后，將展望一下智能技術(shù)在金融領(lǐng)域的應(yīng)用前景與拓展延伸。

主講人：王俊，博士，西南財(cái)經(jīng)大學(xué)經(jīng)濟(jì)信息工程學(xué)院副教授，西南財(cái)經(jīng)大學(xué)金融科技國(guó)際聯(lián)合實(shí)驗(yàn)室主任助理，金融智能與金融工程四川省重點(diǎn)實(shí)驗(yàn)室主任助理，加拿大紐芬蘭紀(jì)念大學(xué)訪問(wèn)學(xué)者。致力于金融科技、人工智能領(lǐng)域的研究，從大數(shù)據(jù)分析視角，通過(guò)大機(jī)器學(xué)習(xí)、數(shù)據(jù)分析、人工智能等方法解決金融市場(chǎng)的重要問(wèn)題。迄今為止，已經(jīng)在 IEEE Transactions on Knowledge and Data Engineering、Emerging Markets Finance and Trade、Multimedia Tools and Applications 等 SCI 和 SSCI 發(fā)表論文，以及會(huì)議發(fā)表英文學(xué)術(shù)論文10余篇，參與國(guó)家自然科學(xué)基金項(xiàng)目5項(xiàng)，部級(jí)、省級(jí)重點(diǎn)科研項(xiàng)目8項(xiàng)，還參與撰寫四川省國(guó)有金融資本布局和省屬國(guó)有金融企業(yè)發(fā)展規(guī)劃、人行數(shù)字貨幣運(yùn)行機(jī)制及流通環(huán)境優(yōu)化路徑等重要政策文件資料。同時(shí)，曾多次受邀參加國(guó)際學(xué)術(shù)會(huì)議（全球信息系統(tǒng)年會(huì)-ICIS、全球管理學(xué)頂尖年會(huì)-HICSS、亞洲信息系統(tǒng)年會(huì)-PACIS），前往美國(guó)夏威夷、日本東京、韓國(guó)首爾、馬來(lái)西亞蘭卡威等地區(qū)進(jìn)行論文發(fā)表講演。

Detecting Malicious Accounts in Online Developer Communities Using Deep Learning

摘要：Online developer communities like GitHub provide services such as distributed version control and task management, which allow a massive number of developers to collaborate online. However, the openness of the communities makes themselves vulnerable to different types of malicious attacks, since the attackers can easily join and interact with legitimate users. In this work, we formulate the malicious account detection problem in online developer communities, and propose GitSec, a deep learning-based solution to detect malicious accounts. GitSec distinguishes malicious accounts from legitimate ones based on the account profiles as well as dynamic activity characteristics. On one hand, GitSec makes use of users' descriptive features from the profiles. On the other hand, GitSec processes users' dynamic behavioral data by constructing two user activity sequences and applying a parallel neural network design to deal with each of them, respectively. An attention mechanism is used to integrate the information generated by the parallel neural networks. The final judgement is made by a decision maker implemented by a supervised machine learning-based classifier. Based on the real-world data of GitHub users, our extensive evaluations show that GitSec is an accurate detection system, with an F1-score of 0.922 and an AUC value of 0.940.

主講人：陳陽(yáng)博士2004年于清華大學(xué)電子工程系獲學(xué)士學(xué)位，2009年7月于清華大學(xué)電子工程系獲博士學(xué)位，學(xué)位論文獲清華大學(xué)優(yōu)秀博士論文。其中，在2007年春季學(xué)期在美國(guó)斯坦福大學(xué)計(jì)算機(jī)科學(xué)系訪問(wèn)。獲得博士學(xué)位后，于2009年9月至2011年4月在德國(guó)哥廷根大學(xué)計(jì)算機(jī)科學(xué)研究所從事博士后研究，并任計(jì)算機(jī)網(wǎng)絡(luò)實(shí)驗(yàn)室副主任。2011年4月至2014年9月在美國(guó)杜克大學(xué)計(jì)算機(jī)科學(xué)系從事博士后研究。2014年10月起在復(fù)旦大學(xué)計(jì)算機(jī)科學(xué)技術(shù)學(xué)院工作，現(xiàn)任副教授、博士生導(dǎo)師。2016年入選上海市浦江人才計(jì)劃，2018年獲復(fù)旦大學(xué)青年教師教學(xué)比賽一等獎(jiǎng)，2018年獲得Nokia Visiting Professor Scholarship。主要研究方向包括社會(huì)計(jì)算、計(jì)算機(jī)網(wǎng)絡(luò)及數(shù)據(jù)挖掘。根據(jù)Google Scholar統(tǒng)計(jì)，已發(fā)表論文共獲1700多次引用，H指數(shù)為 22。論文發(fā)表在 IEEE TDSC、IEEE TKDE、IEEE TPDS、IEEE TMC、ACM TWEB、IEEE TSC、IEEE TCSS、IEEE TNSM、IEEE Communications Magazine、IEEE Software等高水平國(guó)際期刊以及Middleware、INFOCOM、ICDCS、ICDE、CIKM、ACSAC等知名國(guó)際會(huì)議上?，F(xiàn)任CCF互聯(lián)網(wǎng)專委會(huì)委員、CCF協(xié)同計(jì)算專委會(huì)委員、CAAI社會(huì)計(jì)算與社會(huì)智能專業(yè)委員會(huì)委員、上海市計(jì)算機(jī)學(xué)會(huì)網(wǎng)絡(luò)專委會(huì)副主任委員。擔(dān)任IEEE和清華大學(xué)出版社共同出版的國(guó)際期刊《Journal of Social Computing》副主編，SCI期刊《Transactions on Emerging Telecommunications Technologies》和《IEEE Access》編委，SCI期刊《IEEE Network》和《Computer Networks》專刊客座編輯，并在SOSP、SIGCOMM、WWW、IJCAI、AAAI、ECAI、IWQoS、DASFAA等學(xué)術(shù)會(huì)議多次擔(dān)任程序委員會(huì)委員或組織委員會(huì)委員。

歡迎校內(nèi)外師生研討交流！