ACM SIGKDD (国际数据挖掘与知识发现大会，简称KDD ) )是世界数据挖掘领域最高水平的学术会议，由ACM的数据挖掘与知识发现专业委员会(SIGKDD )主办，被中国计算机协会推荐为a级会议。

1995年以来，KDD连续举办了20多次大会，今年是第26次。今年的KDD大会将于2020年8月23日~27日在美国加利福尼亚州圣地亚哥举行。受疫情影响，这次大会将在线举办。

两个月前，KDD 2020正式发表接收论文，1279篇论文提交到Research Track，有216篇接收，接收率为16.8%。去年，Research track收到约1200篇论文投稿，其中约110篇被接受为oral论文，60篇被接受为poster论文，接受率仅为14%。今年的接受率提高了。

根据

论文主题 Top 5

AMiner统计的会议论文数据，本次会议的热门话题有图神经网络、图嵌入、推荐、学习显示等。

帖子排名前五的主题如下。

照片神经网络： 15篇

图形： 13篇

图的嵌入： 9篇

推荐：第7篇

表示学习： 6篇

让我们来看看热门主题中引用最多的文章：

1、图神经网络

论文标题： connectingthedots 3360 multivariatetimeseriesforecastingwithgraphneuralnetworks

论文链接： https://WWW.aminer.cn/PUB/5 ECC E8 EC 91 e 0119170395 BA4/

长期以来，多时间序列建模一直是经济学、金融学、交通学等多个领域研究者关注的课题。多元时间序列预测背后的一个基本假设是该变量相互依赖，但仔细观察可以说，现有方法未能充分利用变量对之间潜在的空间相关性。近年来，图形神经网络(GNNs )在处理关系依赖方面表现出了很高的能力。 GNNs为了信息传播需要定义良好的图表结构，这意味着不能直接适用于依赖关系不明的多时间序列。本文提出了一种专门为多元时间序列数据设计的通用图形神经网络框架。该方法通过一个图学习模块自动提取变量之间的单向关系，可以很容易地综合变量属性等外部知识。进一步提出了新的混合跳跃传播层和扩展的起始层，获得了时间序列中空间和时间的相关性。图学习、图卷积、时间卷积模块通过端到端的框架进行合作学习。实验结果表明，本文提出的模型在4个基准数据集中有3个优于现有的基线方法，在提供附加结构信息的2个交通数据集上获得了与其他方法相同的性能。

2、嵌入

论文标题： infinite walk 3360 deepnetworkembeddingsaslaplacianembeddingswithanonlinearity

论文链接： https://WWW.aminer.cn/PUB/5ed 623 d 091 e 01198019 af 96 f /

作者提出了将无限窗极限下的DeepWalk与非线性经典谱嵌入相结合的观点。

作者讨论了这一观点如何揭示窗口大小参数t在DeepWalk中的作用，提出了基于图Laplacian伪逆的二值阈值的非常简单的嵌入技术。

3、推荐

论文标题：控制多功能互联网框架协议

论文链接： https://WWW.aminer.cn/PUB/5 EC 48 CC 4D A 5629 EFE 0884 E 02 /

近年来，随着深度学习的迅速发展，神经网络在电子商务推荐系统中得到了广泛的应用。本论文将推荐系统形式化为顺序推荐问题，目的是预测用户可能对话的下一个项目。在最近的研究中，通常从用户的行为序列中给出整体嵌入。但是，统一的用户嵌入并不能反映用户在一段时间内的多个兴趣。在这篇文章中，作者提出了一种新的可控多兴趣序列推荐框架ComiRec。本论文的多兴趣模块可用于从用户行为序列中获得多个兴趣，从大型项目池中检索候选项目。然后，将这些项目输入聚合模块以获取总体建议。集成模块使用可控因素来平衡建议的准确性和多样性。作者在亚马逊和淘宝两个真实数据集上进行了序列推荐实验。实验结果表

明，与现有模型相比，本文的框架取得了显著的改进。本文的框架也已经成功部署到离线的阿里分布式云平台上。

中国机构及华人学者表现亮眼

就本次会议投稿数量来看，阿里巴巴团队与清华大学分别以25篇及20篇的成绩位居第一、第二。紧随其后的是微软（17），伊利诺伊大学（17）及谷歌（16）。而腾讯，百度，滴滴出行，京东，华为等中国大型科技公司与北京大学，浙江大学，中国科学技术大学，北航等国内高等学府均有超过5篇的投稿。

投稿排名前十的机构为：

阿里巴巴：25 篇

清华大学：20 篇

微软：17 篇

伊利诺伊大学香槟分校：17 篇

谷歌：16 篇

康奈尔大学：11 篇

腾讯：10 篇

百度：9 篇

亚马逊：8 篇

数据统计来源：AMiner

可以看出论文投稿量排名前十的研究机构中，中国有4所机构上榜，在数据挖掘领域有着不可忽视的影响。

根据统计，大部分论文属于1~3个机构，其中“AutoKnow: Self-DrivingKnowledge Collection for Products of Thousands of Type"来自6个机构：亚马逊，马萨诸塞大学阿默斯特分校，哥伦比亚大学，伊利诺伊大学香槟分校，纽约州立大学布法罗分校，卡耐基梅隆大学。是从属机构最多的论文，同时也是作者数最多的论文，有22名共同作者。

数据统计来源：AMiner

按单篇论文作者数来看，每篇论文作者数量集中在3~6名。

数据统计来源：AMiner

在接收的论文中，估计有1478名作者参与了写作，大部分作者仅有1~2篇的论文投稿，而华人学者创作活跃，投稿数最多及排名靠前的作者均为华人。

其中，伊利诺伊大学香槟分校的华人学者Jiawei Han 有 7篇入选，位列第一，来自阿里巴巴的Hongxiaxfdjd，清华大学的Peng Cui，新泽西州立大学的HuiXiong，以6篇论文并列位于投稿第二名，投稿数量排名前十的也均为华人华人学者，可以看出华人在此领域的活跃度之高。让我们一睹他们的风采吧!

华人学者

1. Jiawei Han（wrdxf）

wrdxf教授一直在研究数据挖掘、信息网络分析、数据库系统和数据仓库，拥有900多份期刊和会议出版物。在大多数数据挖掘和数据库会议中，他曾主持或服务于许多国际会议的项目委员会。

他是ACM的研究员，IEEE的研究员，并获得了2004年ACM SIGKDD创新奖，2005年IEEE计算机协会技术成就奖和2009年M.WallaceMcDowell奖。他合著的《数据挖掘：概念与技术》一书已被世界各地广泛采用。

2. Hongxia xfdjd（健康的汉堡）

作者的研究兴趣涵盖了贝叶斯统计、时间序列分析、时空建模、生存分析、机器学习、数据挖掘及其在商业分析和大数据问题中的应用。目前在杭州阿里巴巴担任高级职员数据科学家和总监。

3. Peng Cui（swdxn）

swdxn是清华大学副教授。他的研究兴趣包括因果正则化机器学习、网络表示学习和社会动力学建模。他在数据挖掘和多媒体领域的著名会议和期刊上发表了100多篇论文。他最近的研究获得了IEEE多媒体最佳部门论文奖、SIGGDD 2016最佳论文决赛、ICDM 2015最佳学生论文奖、SIGGDD 2014最佳论文决赛、IEEE ICME 2014最佳论文奖、ACM MM12大挑战多式联运奖和MMM13最佳论文奖。他是CIKM2019和MMM2020的PC联合主席，WWW、ACM Multimedia、IJCAI、AAAI等的SPC或区域主席，以及IEEETKDE、IEEE TBD、ACM TIST和ACM TOMM等的副主编。2015年获得ACM中国新星奖，2018年获得CCF-IEEECS青年科学家奖。他现在是IEEE的高级成员和ACM的成员。

4. Hui Xiong（熊辉）

熊博士的主要研究领域是数据和知识工程，重点是为新兴的数据密集型应用开发有效和高效的数据分析技术。他的研究得到了美国国家科学基金会（NSF）、IBM research、SAPCorporation、Panasonic USA Inc.、AwarepointCorp.、Citrix Systems Inc.和罗格斯大学的部分支持。他曾在相关期刊和会议记录上发表过大量文章，如《IEEE知识与数据工程学报》、《VLDB期刊》、《计算、机器学习、IEEE移动计算事务》（TMC）和ACMSIGKDD国际知识发现与数据挖掘会议（KDD）。他的著作《地理信息系统百科全书》（Encyclopedia of GIS）被公认为中国学者在斯普林格大学（Springer）撰写的十大最受欢迎的计算机科学书籍。

5. Xia Hu

Xia Hu是德州农工大学计算机科学与工程的助理教授，目前在塔姆指导数据（德克萨斯州A&M的数据分析）实验室。在数据实验室，他致力于开发具有理论特性的数据挖掘和机器学习算法，以更好地从大规模、网络化、动态和稀疏的数据中发现可操作的模式。他的研究直接受到社会信息学、健康信息学和信息安全领域应用的推动和贡献。团队的工作已经在以下新闻媒体上报道过，包括ACM TechNews、New Scientist、Defense One、Business Insider、Economic Times等。

华人一作

不仅华人明星学者在本届KDD表现优异，以下多位华人学生也作为学术新星以第一作者身份发表多篇论文。

1. Chengxi Zang（xfdnht）