8月29日，数据治理与数据库范畴国际学术会议VLDB 2024发布了论文获奖名单，我院魏哲巍传授、张骁助理传授与复旦年夜学黄增峰传授、阿里巴巴团体李飞飞博士合作的论文 Optimal Matrix Sketching over Sliding Windows 取得了最好论文提名奖（Best Research Paper Nominations）。魏哲巍传授担负本文通信作者，其与张骁助理传授指点的硕士生尹涵燕、博士生文东勰和李家郡为学生作者。VLDB（International Conference on Very Large Data Bases）会议是数据治理与数据库范畴的三年夜国际顶尖学术会议之一，被中国计较机学会（CCF）保举为A类国际会议。VLDB 2024会议在2024年8月26-30日在广州召开。

论文介绍：

流数据上的矩阵略图算法的优化和其在在线机械进修范畴的利用取得了愈来愈多的存眷，本文存眷流数据发掘和进修范畴的开放性困难 在滑动窗口数据流上以 ε 的误差近似一个 N d 的矩阵起码需要多年夜的空间？ 。该工作证实了任何肯定性算法的空间复杂度都最少为 (d/ε) 的下界，并提出了到达该最优空间复杂度下界简直定性算法。 此前，渐进空间复杂度最低的滑动窗口上的矩阵略图算法是魏哲巍传授课题组、阿里巴巴李飞飞博士等合作在颁发在SIGMOD 2016上的论文Matrix Sketching Over Sliding Windows上提出的：以 ε 的误差近似一个 N d 的矩阵需要 O(d/ε?log(1/ε)) 的空间。因为该工作仅仅研究了若何将流数据场景下的最优矩阵略图肯定性算法Frequent Directions与通用滑动窗口算法框架相连系，且这些框架凡是需要带来额外的空间开消，使得该算法的空间复杂度与最优界 (d/ε) 之间相差一个系数项 log(1/ε) 。

继该工作以后，颠末8年细心摸索Frequent Directions算法在滑动窗口场景下的理论，论文原课题组师生终究完成了对最优界的攻关，并设计了可以到达该最优界的算法实例，且该算法的实现一样简单。在尝试中，论文作者在多个合成与真实场景数据流长进行了年夜量尝试，尝试成果显示，该工作提出的算法的空间开消均优在基线算法，从理论和尝试两方面证实了我们算法的准确性和有用性。该工作为滑动窗口上的矩阵略图利用在的在线进修算法的优化供给了更高效的算法实现。

另外，学院师生近期还多篇论文获奖。

徐君传授团队论文 A Taxation Perspective for Fair Re-ranking 获信息检索范畴国际学术会议SIGIR 2024长文最开云体育app好论文提名奖（Best Paper Honorable Mention Award）；团队短文 ReCODE: Modeling Repeat Consumption with Neural ODE 获最好短文提名（Best Short Paper Nominees）。

毛佳昕副传授介入的长文 Scaling Laws for Dense Retrieval 被评为SIGIR 2024 最好论文奖（Best Paper Award）；毛佳昕副传授作为通信作者的演示论文 CoSearchAgent: A Lightweight Collaborative Search Agent with Large Language Models 获最好短文提名（Best Short Paper Nominees）。

特殊声明：本文转载仅仅是出在传布信息的需要，其实不意味着代表本网站不雅点或证实其内容的真实性；如其他媒体、网站或小我从本网站转载利用，须保存本网站注明的“来历”，并自大版权等法令责任；作者假如不但愿被转载或联系转载稿费等事宜，请与我们联系。

上一篇:开云-马斯克宣称的“最强AI训练系统”上线—新闻—科学网 下一篇:开云-基金委发布一项目指南通告—新闻—科学网