報告時間：2024年9月1日（周日）13:30-15:30
報告地點：敏學樓 406 會議室
報告內容簡介：
一直以來，貝葉斯網絡的結構學習都是機器學習領域的重要的研究課題。其在多種應用中發揮重要作用。然而，現有的結構學習算法效率低、可擴展性差，能夠處理的變量規模很小，在實際應用中受到很大的限制。為了解決這一問題，我們從基礎理論出發，構建了一種新的面向大規模貝葉斯網絡的結構學習方案。該方法在實現高精度、高效率和可擴展性的同時，全面滿足了業務需求。其核心思想在于將結構學習轉化為一個連續的約束優化問題，從而可以使用可微約束函數來度量生成圖的非循環性。該約束函數建立在圖的譜半徑上，可在接近圖頂點的線性時間復雜度下進行計算，并且具有較低的存儲開銷。根據全面的基準評估，該方法運行速度比目前最好方法快1到2個數量級，并具有相當的準確性，其能夠學習得到數十萬規模變量的貝葉斯網絡。在我們的實際生產環境中，該方法每天執行數千次，并應用于20多個業務場景。我們具體描述了一個在阿里巴巴飛豬售票服務中的具體應用場景，應用該方法構建了一個近實時的自動異常檢測和根本錯誤原因分析系統。我們還發現，該結構學習方法為大規?；虮磉_數據分析和解釋性推薦系統等新領域的應用提供了可能性。
報告人簡介：
朱鎔，現為阿里巴巴智能計算實驗室研究科學家。同時，他也擔任香港中文大學（深圳）兼職企業導師。他分別于2013年和2019年從哈爾濱工業大學獲得學士和博士學位。他的研究興趣包括數據庫、機器學習和系統的交叉領域，主要集中于AI4DB方向。他在該領域VLDB, ICDE, TKDE, ICLR等頂級會議和期刊上發表了近30篇論文，并曾在SIGMOD、EDBT和CIKM上做tutorial報告。他先后獲得2019年教育部自然科學二等獎、2020年CCF優秀博士論文提名獎和2022年ACM SIGMOD中國新星獎。
誠邀感興趣的師生參加！
人工智能學院
2024年8月29日
