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(nèi)容簡介：

一直以來,，貝葉斯網(wǎng)絡(luò)的結(jié)構(gòu)學習都是機器學習領(lǐng)域的重要的研究課題。其在多種應(yīng)用中發(fā)揮重要作用,。然而,，現(xiàn)有的結(jié)構(gòu)學習算法效率低、可擴展性差,，能夠處理的變量規(guī)模很小,，在實際應(yīng)用中受到很大的限制。為了解決這一問題,，我們從基礎(chǔ)理論出發(fā),，構(gòu)建了一種新的面向大規(guī)模貝葉斯網(wǎng)絡(luò)的結(jié)構(gòu)學習方案。該方法在實現(xiàn)高精度,、高效率和可擴展性的同時,，全面滿足了業(yè)務(wù)需求。其核心思想在于將結(jié)構(gòu)學習轉(zhuǎn)化為一個連續(xù)的約束優(yōu)化問題,，從而可以使用可微約束函數(shù)來度量生成圖的非循環(huán)性,。該約束函數(shù)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(jù)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(shù)量級,，并具有相當?shù)臏蚀_性，其能夠?qū)W習得到數(shù)十萬規(guī)模變量的貝葉斯網(wǎng)絡(luò)。在我們的實際生產(chǎn)環(huán)境中,，該方法每天執(zhí)行數(shù)千次,，并應(yīng)用于20多個業(yè)務(wù)場景。我們具體描述了一個在阿里巴巴飛豬售票服務(wù)中的具體應(yīng)用場景,，應(yīng)用該方法構(gòu)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(tǒng),。我們還發(fā)現(xiàn)，該結(jié)構(gòu)學習方法為大規(guī)?；虮磉_數(shù)據(jù)分析和解釋性推薦系統(tǒng)等新領(lǐng)域的應(yīng)用提供了可能性,。

報告人簡介：

朱鎔，現(xiàn)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(yè)導師。他分別于2013年和2019年從哈爾濱工業(yè)大學獲得學士和博士學位,。他的研究興趣包括數(shù)據(jù)庫,、機器學習和系統(tǒng)的交叉領(lǐng)域，主要集中于AI4DB方向,。他在該領(lǐng)域VLDB, ICDE, TKDE, ICLR等頂級會議和期刊上發(fā)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(yōu)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