KDD CUP 比賽結(jié)果出爐，支付寶安全團隊、滴滴、京東等獲獎

雷鋒網(wǎng)消息，8 月 7 日，國際數(shù)據(jù)挖掘頂會 KDD 2019上三大競賽 KDD CUP 比賽結(jié)果出爐，中國參賽者獲獎。

KDD CUP今年有 2800 多支注冊隊伍參賽，包括了 230 個學術(shù)和研究機構(gòu)，分為三個賽道：常規(guī)機器學習競賽、自動機器學習競賽、強化學習競賽。

其中，常規(guī)機器學習競賽由百度贊助，包括兩個任務：最適合的交通方式推薦、開放研究／應用挑戰(zhàn)。在最適合的交通方式推薦中，冠軍為螞蟻金服的支付寶安全團隊，亞軍團隊來自上海微盟、趨勢科技、滴滴、北京郵電大學、華南理工大學、京東等。在開放研究／應用挑戰(zhàn)中，冠軍為日本 NTT DOCOMO 公司，亞軍則來自東南大學。

自動機器學習競賽由第四范式贊助，獲得冠軍的是 DeepBlueAI 和北京大學團隊，亞軍是來自新加坡國立大學的團隊。

強化學習競賽由IBM Afirca 和Hexagon－ML.com 贊助，冠軍是中國臺灣國立成功大學的團隊，亞軍是清華大學、京東和北京航天航空大學的團隊。

雷鋒網(wǎng)從螞蟻金服了解到了其獲獎項目詳情。支付寶安全團隊獲得冠軍的賽題主要是在城市復雜出行情境下，預測用戶在地圖上會選擇的出行方案。因為多種出行方式的組合，可選的出行方案有十幾種之多可選。這次的比賽不僅更看重模型最終結(jié)果，也同時強調(diào)了模型的上線應用效率和業(yè)務應用易解釋性。

螞蟻金服介紹，這個題目實際上是一個基于上下文的多模態(tài)交通推薦問題，類似于高德手機地圖如何給用戶推薦最合適的交通方式的問題，具有很強的應用場景。

“本次比賽獲獎主要優(yōu)勢有兩個：一個是我們 alpha risk 團隊沉淀一套自動建模的工具，加速和優(yōu)化了整個比賽得特征工程部分；另外，在 F1 評分函數(shù)上我們設計使用了 F1 最大化優(yōu)化算法也明顯提升了我們的模型效果。”螞蟻金服的工作人員說。

為何螞蟻金服的優(yōu)勢在金融領(lǐng)域，卻派出了支付寶安全團隊參加“最適合的交通方式推薦”競賽？雷鋒網(wǎng)了解到，螞蟻金服的數(shù)據(jù)挖掘技術(shù)團隊隸屬支付寶安全團隊，其很多能力輸出給別的業(yè)務線，甚至是事業(yè)部。

螞蟻金服的工作人員介紹：“我們在做智慧城市，交通是智慧城市很重要的一部分，以杭州為例，我們?yōu)楹贾莨粚崿F(xiàn)實時的監(jiān)測，對他們路線設計與改動提出建議。”除此之外，該技術(shù)團隊還為氣象預測（比如霧霾監(jiān)測）、醫(yī)療場景（癌癥檢測、生物醫(yī)藥定位）等提供支持。

此外，KDD“圖深度學習國際研討會：方法與應用（DLG 2019）”于2019年8月5日舉辦。DLG 2019旨在匯聚自不同背景和觀點的學術(shù)研究人員和從業(yè)者，分享在圖神經(jīng)網(wǎng)絡領(lǐng)域的前沿技術(shù)。值得一提的是，國內(nèi)人工智能獨角獸乂學教育-松鼠AI深度參與的研究項目包攬了研討會的最佳論文和最佳學生論文獎項。

獲得最佳論文的是來自華中師范大學、IBM研究院和乂學教育-松鼠AI的研究《Exploiting Graph Neural Networks with Context Information for RDF-to-TextGeneration 》，這篇論文研究的是基于RDF數(shù)據(jù)的文本生成，該任務是在給定一組RDF三元組的情況下生成相應的描述性文本。

獲得最佳學生論文的是來自南京大學、IBM研究院和乂學教育-松鼠AI的研究《An Empirical Study of Graph Neural Networks Based Semantic Parsing》，這篇論文研究的是基于圖神經(jīng)網(wǎng)絡語義解析。

當天的研討會由SIGKDD主席、京東集團副總裁裴健發(fā)表開場詞，并邀請了來自斯坦福大學、清華大學、UCLA、UIUC等高校的學者發(fā)表演講。乂學教育-松鼠AI首席科學家崔煒博士也受大會邀請，介紹了目前圖深度學習和知識圖在自適應學習中的進展。

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。