报告题目:AI驱动的城市时空大数据分析:挑战、方法与展望
报 告 人:王森章
时 间:2021年4月2日(周五)15:30-16:30
地 点:仙林校区计算机学科楼514会议室
主办单位:bd手机版官网登录ios 、半岛app应用 、半岛电子官网
摘 要:AI驱动的城市时空大数据分析:挑战、方法与展望
随着移动终端和各种位置传感器(GPS等)的普及,时空大数据无处不在并以前所未有的速度产生。时空大数据的影响渗透到我们日常生活的方方面面,例如定位导航、旅游、社交、推荐等等。但是这些海量、实时的时空大数据也为传统的数据分析和挖掘方法带来了很多挑战,包括异构数据结构的复杂性、多源数据的潜在相关性、时空数据与外部信息的关联性以及浅层模型有限的特征学习能力等。基于此,本报告将介绍我们近期在基于多源数据融合及深度学习的时空大数据分析与挖掘方面的工作。首先,将会介绍基于矩阵分解技术的多源数据融合方法,从而对一个城市的共享单车需求量进行分析预测;然后,会介绍一个基于深度学习模型的数据融合模型,对城市里的公共交通人流量进行预测;最后,会介绍基于对抗学习框架的城市人流量预测模型,该模型融合了对抗学习和Seq2Seq模型并能有效融合外部特征数据包括天气、节假日等数据。最后,对未来的研究工作进行展望。
报告人简介:
王森章,博士,中南大学特聘教授。2016年博士毕业于北京航空航天大学bd手机版官网登录ios
,2013年到2015年作为联合培养博士生到美国伊利诺伊大学芝加哥分校学习,导师是数据挖掘领域著名学者Philip S. Yu教授。2016年6月至2021年1月于南京航空航天大学工作,先后担任讲师、副研究员。主要研究领域包括大数据分析、时空数据挖掘、图数据挖掘等领域。在相关领域的主流国际期刊和会议发表论文100余篇,其中发表在CCF推荐A类会议、期刊论文18篇,B类期刊会议以及JCRQ1/Q2分区期刊中的论文40余篇。申请发明专利6项。多篇论文发表在相关领域的顶级国际会议和期刊,包括顶级会议KDD、SDM、CIKM、ACM SIGSPATIAL、AAAI、IJCAI,期刊IEEE Transactions on Intelligent Transportation Systems、ACM Transactions on Information Systems、IEEE Transactions on Cybernetics、IEEE Transactions on Big Data等。所发表论文根据Google Scholar统计累计被引1800余次。先后获得“北京航空航天大学优秀博士论文”,“北京市优秀博士毕业生”、“香江学者”博士后项目、2020年江苏省科协青年托举人才等称号。所指导学生获得国际会议ADMA2020的最佳学生论文奖。主持包括国家自然科学基金青年基金、江苏省自然科学基金面上项目、重点实验室开放课题基金、腾讯“犀牛鸟”基金、广东省自然科学基金面上项目等多项课题。担任《智能科学与技术学报》首届编委,《计算机工程》青年编委,国际知名期刊ACM Transactions on Intelligent Systems and Technology期刊的客座编委。先后三十余次担任所在领域国际期刊、国际会议的审稿人,经常性担任国际顶级会议程序委员会成员(PC Member)及高级成员(Senior PC Member)。