由中国计算机学会（CCF）主办，CCF协同计算专委会、福州大学承办的CCF走进高校活动，将于2022年4月30日在福州大学召开，并同步开放腾讯会议线上会议室，敬请关注。

时间：2022年4月30日（星期六）09:00-12:30

地点：线上报告

参会方式：

1、腾讯会议号：596-986-287

2、参会须知：实名进入腾讯会议（具体格式：姓名+高校名）

主持人：郭昆（福州大学），吴伶（福州大学）

活动安排：

报告信息：

报告题目：SCHOLAT+：学者大数据与知识图谱

报告摘要：

社交网络已改变人们的生活和工作方式。但是社交网络是一把双刃剑，一方面为人们交流提供了方便，另一个方面也会因无关信息干扰生活和工作。学者交流要求较高的可信性和有效性，我们以学者科研教学的社会化协同需求为背景，设计了面向学者的社交网络（SCHOLAT），为学者及其团队（机构）等提供学术空间和教学科研交流平台。本报告将通过实例简要介绍SCHOLAT基本框架，讨论学者网大数据和学者知识图谱构建，提出“SCHOLAT+”应用模式，最后分享几个构建SCHOLAT+应用成果。

嘉宾简介：

汤庸，学者网创始人，二级教授，华南师范大学学术委员会副主任、校教学指导委员会主任，广东省服务计算工程研究开发中心主任，中国计算机学会理事、协同计算专委主任，广东省计算机学会常务副理事长。曾任中山大学计算机系主任、信息学院副院长，华南师范大学学位委员会副主席、计算机学院/软件学院院长，CCF YOCSEF广州创始主席、ACM广州主席等。获国务院政府特殊津贴、教育部新世纪优秀人才、宝钢教育奖、丁颖科技奖、南粤教坛新秀、中山大学教学名师、CCF杰出演讲者，以第一完成人获广东省科学技术一等奖、教育部科技进步二等奖、省教学成果一等奖等10多项省部级成果。

报告题目：面向论文创新特点的思考和探索

报告摘要：

学术论文作为科研成果的呈现形式，是科研人员获取前沿学术进展的主要参考。不同领域每年发表的学术论文数量巨大，现有评价新发表论文质量的方法主要考虑论文潜在引用量、作者权威性等，进行直接的统一定量评价；然而，学术创新形式多样，内容也具有不同层面，难以在统一的量化框架下评价。如何建模新论文潜在影响力，从海量论文中选择高质量的新发表论文，实现面向用户个性化研究需求的新发表论文推荐，对于促进科研创新具有重要实用价值。本讲座将分享我们对这一主题的探索和实践。

嘉宾简介：

孙宇清，博士，山东大学软件学院教授，博士生导师。中国计算机学会协同计算专委会副主任，系统软件专委会委员。研究方向为语义与协同计算，近几年在TDSC、计算机学报等国内外知名学术期刊和国际会议上发表学术论文80余篇。近几年主持和参与了国家自然科学基金重大研究计划、国家自然科学基金、科技部重点研发项目、国家科技支撑计划、国家发改委项目、山东省重点研发计划、山东省自然科学基金重大专项等十余项国家和省部级重要科研课题。

报告题目：以人为中心的推荐系统

报告摘要：

以人为中心的推荐系统是一个典型的跨学科研究方向，需要采用计算科学与社会科学互动融合的研究方法，共同探究推荐系统与用户的特质以及两者之间的复杂关联关系，理解和评估推荐系统对用户期望、价值与目标的影响、塑形与风险，揭示和诠释用户与推荐系统交互的行为模式和深层机理，设计和构建适配用户认知和增强决策能力的负责任的推荐系统，实现用户与推荐系统的互惠发展与协同成长。本次报告将介绍以人为中心的推荐系统研究的问题挑战、发展历程、研究方法，以及研究团队在可解释因果推荐等方面的最新工作，并尝试探讨未来研究的可能方向。

嘉宾简介：

卢暾，复旦大学计算机学院教授、博导，美国卡耐基梅隆大学（CMU）访问学者。现为CCF高级会员、协同计算专委秘书长，上海市计算机学会协同信息服务专委会副主任。研究兴趣包括CSCW与社会计算、协同计算、推荐系统、人机交互等。主持多项国家自然科学基金项目、科技部重点研发计划课题、863课题和上海市项目。成果发表在CSCW、CHI、UbiComp、NuerIPS、WWW、SIGIR、IEEE TKDE等权威会议和期刊上。多次担任CSCW、CHI等的Associate Chair，多个国内外学术会议的PC Co-Chair以及多个国内外学术期刊的编委和客座编辑。

报告题目：自适应分布式进化计算

报告摘要：

最优化和智能化是人类活动的核心追求，也是人工智能未来发展的必然趋势。随着物联网、云计算、大数据、5G等技术的发展，越来越多的最优化问题呈现出大规模、动态、多峰值、约束、多目标、计算昂贵等新的挑战，给优化算法带来了极大的困难。进化计算与群体智能是一类模拟自然界生物进化过程和群体动物智能行为的先进人工智能算法。进化计算与群体智能作为人工智能中行为主义的典型代表，不同于可解释性差的连接主义算法，是一种具有行为可观察、可感知、可认识、可解释和可调控等优势的动态人工智能算法，近年来被广泛应用于知识发现、搜索优化和问题求解，拓展人类智能。然而，传统群体进化计算方法在大规模复杂优化问题中仍然存在全局搜索能力不足、整体求解速度过慢等问题。因此，本报告对我们近年来在分布式进化计算方面的研究工作进行介绍，主要是从多种群协同和自适应控制等思路对分布式进化计算进行研究，提高全局搜索能力和加快整体求解速度。本报告介绍的高效能自适应分布式进化计算方法将为求解现代超复杂优化问题提供重要途径，推动人工智能的新发展。

嘉宾简介：

詹志辉，博士，华南理工大学计算机科学与工程学院教授，博士生导师，IEEE计算智能学会杰出青年奖获得者、教育部青年长江学者、国家优青、全球前2%顶尖科学家（年度影响力入选者和终身影响力入选者）、爱思唯尔中国高被引学者、广东省首批青年珠江学者和广东省杰青。曾获首批吴文俊人工智能优秀青年奖、IEEE计算智能学会全球杰出博士学位论文奖和中国计算机学会（CCF）优秀博士学位论文奖。现任IEEE广州分会会员发展委员会主席、中国图学学会图学大数据专委会副主任和广州计算机学会副理事长，是中国计算机学会高级会员和协同计算专业委员会委员。主要研究领域包括人工智能、进化计算、深度学习和群体智能及其应用，担任进化计算领域顶尖国际学术期刊 IEEE Transactions on Evolutionary Computation（SCI，IF=11.554，JCR一区）的Associate Editor以及JCR一区国际学术期刊Neurocomputing和Memetic Computing的编委。近年来在进化计算与群体智能的自适应控制、全局化搜索、多种群协同、分布式处理和应用拓展等方面取得了一系列创新性的成果，针对大规模优化、动态优化、多峰值优化、多目标优化、约束优化和昂贵优化等复杂优化问题提出了多个新型进化计算与群体智能算法，并面向智慧城市和智慧医疗等领域开展应用研究。

报告题目：基于安全多方计算的数据联邦技术浅谈

报告摘要：

近年来随着数据要素市场化与社会治理智能化等新需求的出现，跨部门间的数据孤岛给数据共享与隐私计算带来全新挑战，即如何在各部门原始数据不出本地约束下实现多方安全的数据共享与协同分析？为此，基于安全多方计算的数据联邦以其“数据不动计算动、数据可用不可见”的共享理念为破解数据孤岛挑战提供了一种新型思路。本报告首先简介安全多方计算技术与数据库领域的融合发展历程，继而回顾传统的联邦数据库技术，并阐述其与数据联邦的区别联系。随后，我们聚焦于关系型数据与时空数据两种类型，分别阐述数据联邦系统中的查询优化前沿技术。随后介绍本团队所研发的数据联邦系统——“虎符”，其已经适配当前各种主流时空大数据计算平台，并支持多方数据自治环境下的安全高效协同查询。最后，报告也将对该领域当前挑战和未来发展进行总结展望。

嘉宾简介：

童咏昕，博士，北京航空航天大学计算机学院教授，博士生导师，国家自然科学基金优秀青年基金获得者。2014年于香港科技大学获计算机科学与工程学博士学位，随后留校担任研究助理教授，2015年入选北京航空航天大学“卓越百人计划”。目前主要研究方向包括：联邦学习、隐私计算、时空大数据挖掘分析、群体智能与智慧交通等。近年来，先后主持国家自然基金重点项目、国家重点研发计划课题等科研项目。共发表学术论文百余篇，其中以第一/通讯作者发表CCF-A类论文60余篇。曾获中国电子学会自然科学一等奖（排名第一）、数据库领域国际会议VLDB 2014“杰出演示系统奖”和数据挖掘领域国际竞赛 KDD Cup 2020“强化学习赛道冠军”；担任《IEEE TKDE》与《IEEE TBD》等国际期刊的编委、数据库领域国际顶级会议VLDB和ICDE 的程序委员会编委和领域主席（PC Area Chair），并长期作为多个国际顶级会议的高级程序委员会委员（Senior PC）；也是CCF杰出讲者、CCF会员与分部工委副主任、CCF走进高校工作组组长。