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

/// First Half Seminar

8月13日上午8點(diǎn)半，上半場研討會準(zhǔn)時在云端召開，由信息管理與工程學(xué)院副院長、教授黃海量主持。黃海量老師首先對與會師生的到來表示歡迎，并對作主題報告分享的老師進(jìn)行了簡要介紹。黃老師表示，希望以本次研討會為契機(jī)，圍繞“社會計算”這一主題開展深入的探討交流，并相互學(xué)習(xí)和借鑒學(xué)術(shù)研究經(jīng)驗(yàn)。

Theme Report 1

第一場學(xué)術(shù)報告為“基于大數(shù)據(jù)評估個人社會經(jīng)濟(jì)地位”，由德國哥廷根大學(xué)講席教授傅曉明作主題分享。傅老師在報告中介紹了如何對個人的社會經(jīng)濟(jì)地位（SES）進(jìn)行評估，尤其是教育、職業(yè)和收入。在傳統(tǒng)的社會學(xué)調(diào)查中，估計大量人口的 SES 是由國家統(tǒng)計機(jī)構(gòu)通過大量的家庭訪談來進(jìn)行的，這是非常昂貴和耗時的。而傅老師則在報告中描述了通過多種數(shù)據(jù)來源以估計一個人的社會經(jīng)濟(jì)地位的評估過程。在對一個人的社會經(jīng)濟(jì)地位的評估中，要將時間維度盡量用在分析過程，例如一個人出行過程訪問的地標(biāo)，實(shí)際上和其生活、工作、娛樂等社會屬性相關(guān)，也就意味著人的生活風(fēng)格和不同的社會經(jīng)濟(jì)地位。而我們需要做的就是把這部分信息進(jìn)行整合轉(zhuǎn)換，并在深度學(xué)習(xí)模型里進(jìn)行挖掘，將持續(xù)特征和通用統(tǒng)計特征結(jié)合在一起，最后用這些數(shù)據(jù)進(jìn)行校驗(yàn)不同的SES level。

Theme Report 2

第二場學(xué)術(shù)報告為“大數(shù)據(jù)研究的未來——與阿伯特商榷專業(yè)知識的未來”，由清華大學(xué)社會科學(xué)院社會學(xué)系與公共管理學(xué)院合聘教授羅家德與清華大學(xué)博士生高馨作主題分享。羅老師談到，現(xiàn)代社會的致知方式已發(fā)生變化，即由“以手藝人獨(dú)自工作的方式致知、以聯(lián)想為致知、以話語論證為致知”向“搜索和模擬的社會性（群體性）致知、“知為尋找”、以算法為致知”轉(zhuǎn)變，但事實(shí)上，后者是無法取代前者的。好的社會計算要避免“無病呻吟”、“無根之蘭”、“無的放矢”，即社會計算要圍繞真實(shí)切要的社會問題展開，還要解開“黑箱”提出解釋模型，同時為了求得真知腳踏實(shí)地搜索資料。其后，高博士以中國人人脈研究與組織行為研究為例，描述了大數(shù)據(jù)方法如何使得“探索性研究”與“驗(yàn)證性研究”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)測模型的三角對話。

Theme Report 3

第三場學(xué)術(shù)報告為“Investment Behavior Profiling: A Deep-Learning Predictive Framework”，由上海財經(jīng)大學(xué)信息管理與工程學(xué)院副教授韓瀟作主題分享。韓老師提到，隨著信息系統(tǒng)在金融行業(yè)的廣泛應(yīng)用，收集了大量個人的投資行為數(shù)據(jù)，這為利用數(shù)據(jù)分析技術(shù)進(jìn)行投資者畫像提供了絕佳機(jī)會。然而制作準(zhǔn)確的投資者資料具有挑戰(zhàn)性，因?yàn)閭€人的投資特征和傾向可能會受到眾多特征的影響并隨著時間的推移而發(fā)生變化。典型的投資者分析方法依賴于調(diào)查問卷來收集信息，并且通常提供有限的字符解釋。這就導(dǎo)致忽略了一些重要的投資特征，例如時間動態(tài)和異質(zhì)關(guān)系影響。為了解決這一問題，韓老師在報告中提出了一種新穎的時間關(guān)系投資分析 (TRIP) 框架。即首先設(shè)計一種輪廓表示方法，以統(tǒng)一的格式從投資行為記錄中提取綜合特征，確保對不同投資者的表示具有普遍性。然后構(gòu)建一個循環(huán)圖卷積神經(jīng)網(wǎng)絡(luò) (RGCN)，以同時對隱藏在投資者行為中的時間動態(tài)和關(guān)系影響進(jìn)行建模。具體來說，RGCN 可以從投資者過去的行為中預(yù)測一個人的未來概況。通過使用來自 P2P 借貸和公司投資兩個真實(shí)金融市場的數(shù)據(jù)，最終得以驗(yàn)證 TRIP 在預(yù)測投資者未來行為以及提高金融應(yīng)用程序的性能（包括主動投資者預(yù)測和投資者推薦）方面可以顯著優(yōu)于先前的分析方法。

/// Second Half Seminar

上午11時左右，下半場研討會召開，由德國哥廷根大學(xué)講席教授傅曉明主持。

Theme Report 4

第四場學(xué)術(shù)報告為“大數(shù)據(jù)風(fēng)險投資領(lǐng)袖識別問題研究”，由中央財經(jīng)大學(xué)信息學(xué)院副教授楊虎作主題分享。風(fēng)險投資的目的在于獲取超額收益，而如何識別風(fēng)險投資領(lǐng)袖與收益息息相關(guān)。楊老師提到，多指標(biāo)決策分析或是聚類方法可以幫助找到風(fēng)險投資網(wǎng)絡(luò)中的領(lǐng)袖。在識別投資領(lǐng)袖的過程中，需要解決的問題在于：整合內(nèi)容信息；設(shè)計識別框架；以無監(jiān)督學(xué)習(xí)方法完成探索性分析。在本次報告中，楊老師以中國風(fēng)險投資大數(shù)據(jù)為例，闡述數(shù)據(jù)挖掘、理論與預(yù)測模型的“三角對話”的分析過程，即：首先，從經(jīng)濟(jì)管理等社會問題出發(fā)提供議題方向及扎根真相，借助數(shù)據(jù)挖掘?qū)ι鐣栴}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)測模型；最后，根據(jù)預(yù)測結(jié)果對實(shí)際問題進(jìn)行推論，從而識別風(fēng)險投資領(lǐng)袖，更好地進(jìn)行中國風(fēng)險投資市場的聯(lián)合投資行為，同時也為投資機(jī)構(gòu)、被投機(jī)構(gòu)等選擇合作伙伴提供依據(jù)。

Theme Report 5

第五場學(xué)術(shù)報告為“人工智能與證券市場風(fēng)險”，由西南財經(jīng)大學(xué)經(jīng)濟(jì)信息工程學(xué)院副教授王俊作主題分享。人工智能的蓬勃發(fā)展使得智能技術(shù)在諸多領(lǐng)域都取得了一系列突破性進(jìn)展。在本次報告中，王老師介紹了人工智能的發(fā)展歷程以及目前智能技術(shù)發(fā)展的狀況。已有的研究中提到，影響證券市場的因子大致可以分為三類指標(biāo)，包括經(jīng)濟(jì)指標(biāo)、媒體信息、企業(yè)關(guān)聯(lián)。但需要考慮的是基于人工智能波動風(fēng)險分析的研究挑戰(zhàn)，一是如何融合圖結(jié)構(gòu)企業(yè)關(guān)聯(lián)，二是如何處理融合后數(shù)據(jù)新特性。本研究主要采用了”多圖融合技術(shù)“和”動態(tài)關(guān)聯(lián)更新“解決了”綜合性“和”動態(tài)性“的問題，以改進(jìn)圖神經(jīng)網(wǎng)絡(luò)核心技術(shù)。此外，融合數(shù)據(jù)并非是”1+1=2“的問題，因此如何記錄數(shù)據(jù)間的交互是研究重點(diǎn)所在。另外還需考慮采樣不均的問題，本研究使用了基于事件驅(qū)動的LSTM模型，保持時序性，強(qiáng)調(diào)事件的影響效應(yīng)。通過以上研究方法，聚焦人工智能與證券市場風(fēng)險的研究，從多維數(shù)據(jù)的角度來探析證券市場的波動，探尋如何將人工智能與傳統(tǒng)的金融學(xué)理論與實(shí)戰(zhàn)相結(jié)合，走出一條金融智能的發(fā)展道路，實(shí)現(xiàn)智能技術(shù)在金融領(lǐng)域廣闊的應(yīng)用前景與拓展延伸。

Theme Report 6

第六場學(xué)術(shù)報告為“Detecting Malicious Accounts in Online Developer Communities Using Deep Learning”，由復(fù)旦大學(xué)計算機(jī)科學(xué)技術(shù)學(xué)院副教授陳陽和復(fù)旦大學(xué)博士后宮慶媛作主題分享。在線開發(fā)者社區(qū)提供分布式版本控制、任務(wù)管理等服務(wù)，讓海量開發(fā)者在線協(xié)作。但在實(shí)際的應(yīng)用中，社區(qū)的開放性使其容易受到不同類型的惡意攻擊，因?yàn)楣粽呖梢暂p松地加入合法用戶并與之互動。因此本研究提出了GitSec，從而解決在線開發(fā)者社區(qū)中的惡意賬戶檢測問題。這是一種基于深度學(xué)習(xí)的惡意賬戶檢測解決方案。該方案以數(shù)據(jù)驅(qū)動的方式，首先分析惡意用戶與合法用戶的區(qū)別，及時發(fā)現(xiàn)GitHub等平臺中的惡意用戶，從而維護(hù)正常用戶的使用體驗(yàn)。一方面，GitSec描述每個用戶的行為特征，包括描述性特征（用戶個人主頁的信息以及用戶行為的統(tǒng)計性指標(biāo)）和動態(tài)特征（用戶細(xì)粒度的動態(tài)行為數(shù)據(jù)和相關(guān)操作）。另一方面，GitSec 通過構(gòu)建兩個用戶活動序列，并分別應(yīng)用并行神經(jīng)網(wǎng)絡(luò)設(shè)計來處理用戶的動態(tài)行為數(shù)據(jù)。最終判斷則由基于監(jiān)督機(jī)器學(xué)習(xí)的分類器實(shí)現(xiàn)的決策者做出。GitHub 用戶的真實(shí)數(shù)據(jù)和對比實(shí)驗(yàn)表明 GitSec 是一個準(zhǔn)確的檢測系統(tǒng)。而GitSec未來將應(yīng)用于更多的在線開發(fā)者社區(qū)中，或者是與社區(qū)合作，進(jìn)一步考慮用戶的點(diǎn)擊流和用戶社交圖譜等后臺行為數(shù)據(jù)從而進(jìn)行更多的評估和改進(jìn)。

部分參會人員合影

最后，與會的師生們以線上大合影的方式結(jié)束了本次研討會。黃海量老師表示，由衷感謝與會師生的分享和交流，“社會計算”是一個話題廣泛、方法論不斷演進(jìn)的研究領(lǐng)域，期待該主題的系列研討會能夠常態(tài)化開展。