Acemap團隊分析了2018年KDD的近300篇論文，列出發(fā)文機構(gòu)及作者排名，Top 50中有八成都是華人。圖譜還給出了相似論文推薦，研究問題和研究方法的解讀，對今年、近三年、近五年學者機構(gòu)KDD發(fā)表論文情況進行了統(tǒng)計。基于近300篇論文分成的Commerce and Profiling、Knowledge Discovery等28個session，繪制了各session之間的關系圖。

知識發(fā)現(xiàn)與數(shù)據(jù)挖掘（KDD，全稱Knowledge Discovery and Data Mining），是 SIGKDD 從 1995 年開始主持的一年一度的會議，將于本月19-23日在倫敦舉行。其選取論文要求標準高，尤其是對創(chuàng)新性的高要求，使得其論文的接受率徘徊在 15%-25%，是頂級會議中接受率最低的會議之一，因而被廣泛認為是知識發(fā)現(xiàn)和數(shù)據(jù)挖掘研究領域最有影響力的論壇。

Acemap團隊分析了2018年KDD的所有論文近300篇，針對每篇論文給出了相似論文推薦，以及該論文研究的問題和提出的方法的解讀，同時又對2018年、近三年、近五年學者機構(gòu)在該會議中發(fā)表論文情況進行了統(tǒng)計。基于這近300篇論文分成的Commerce and Profiling、Knowledge Discovery等28個session，繪制了各個session之間的關系圖。

詳細頁面請瀏覽，或點擊閱讀原文查看：

https://acemap.info/KDD/MainPage

機構(gòu)統(tǒng)計：微軟以23篇論文居首，中國影響力不容小覷

KDD2018 Affiliation Statistics 統(tǒng)計了2018年、近三年、近五年各機構(gòu)在KDD會議中發(fā)表論文數(shù)量排名，下圖展示了2018年排名前十的機構(gòu)及論文發(fā)表數(shù)量：

我們的統(tǒng)計顯示，前20名中有微軟、阿里巴巴、百度等6所機構(gòu)是企業(yè)界的，尤其是第一名微軟發(fā)表了23篇論文之多，由此可見KDD在企業(yè)界的影響力。前20名中又有清華大學、上海交通大學等8所機構(gòu)是中國的，中國在國際會議上的影響力不容小覷。

在網(wǎng)頁中點擊相應的機構(gòu)名稱可顯示該機構(gòu)歷年在KDD論文發(fā)表情況統(tǒng)計，如下圖所示：

其中，縱軸代表年份，橫軸代表該機構(gòu)發(fā)表的論文數(shù)。紅色為第一作者身份發(fā)表的論文數(shù)。黑色為非第一作者身份發(fā)表的論文數(shù)。

以上僅展示2018年排名前十的機構(gòu)，近三年、近五年詳細排名請瀏覽網(wǎng)址：

https://acemap.info/KDD/AffiliationStatistics

作者統(tǒng)計：前20名幾乎清一色華人

KDD2018 Author Statistics統(tǒng)計了2018年、近三年、近五年各作者在KDD會議中發(fā)表論文數(shù)量排名，下圖展示了2018年排名前二十的作者及論文發(fā)表數(shù)量：

首先注意到的是前二十名幾乎清一色全是華人，前五十名中，華人的數(shù)量也占到了80%，可見華人在學術界的影響力，至少是在KDD這個會議上的影響力之大。排名并列第一的朱文武教授和崔鵬教授都來自清華大學的媒體與網(wǎng)絡實驗室。

若是點擊相應的機構(gòu)名稱，更是可以顯示對應作者在KDD中發(fā)表論文數(shù)在該機構(gòu)中排名，如下圖所示：

以上僅展示2018年排名前十的作者，近三年、近五年詳細排名請瀏覽網(wǎng)址：

https://acemap.info/KDD/AuthorStatistics

我們分別對2018年在KDD發(fā)過論文的作者、以及在KDD所有發(fā)過論文的作者畫了關系圖。2018年在KDD發(fā)過論文的作者如下所示。其中，點的大小代表2018年在KDD發(fā)的論文數(shù)多少。點之間的連線代表coauthor關系。

2018年大圖可瀏覽網(wǎng)頁：

https://acemap.info/KDD/AuthorsMap

所有KDD年份的大圖可瀏覽網(wǎng)頁：

https://acemap.info/KDD/AuthorsAllYearsMap

論文解讀：用機器閱讀理解為每篇論文給出關鍵導讀

KDD論文分為Deep Learning、Reinforcement Learning等28個session。對每個session的每篇論文，我們都提供簡短的解讀。我們用機器閱讀理解的方法自動提取出關鍵信息，包括提出什么方法解決了什么問題等，相比于一長段論文，這種導讀能幫助讀者在短時間內(nèi)獲取論文最關鍵的信息。

以下為Knowledge Discovery Session的論文中文解讀。

再如，以下為Graph and Social Network Session的論文中文解讀.

我們對28個session近300篇文章都進行了中文解讀。詳細解讀請瀏覽網(wǎng)址：

https://acemap.info/KDD/MainPage

相似論文推薦：五個維度進行相似論文查詢

我們針對KDD2018年各篇論文的相似論文推薦頁面如下如所示：

向下滑動查看完整推薦

我們從五個維度對每篇論文進行了相似論文推薦，這些維度包括最新、同會議、最相關、被引用數(shù)最多和導讀類論文，這種多維度推薦能夠滿足不同用戶的不同需求。

詳細頁面可通過訪問主頁，并點擊論文標題訪問：

https://acemap.info/KDD/MainPage

Session關系圖

我們對會議官方分類的session進行了整理與分析，畫出了各個session之間的聯(lián)系圖，如下所示：

放大圖片可查看每個session及其論文：

其中每一個大點代表一個session，每一個小點代表session中的一篇論文，線代表引用關系，不同的session中的論文通過共同引用一篇論文來建立聯(lián)系。

從圖中可以看出不同session之間一定的聚類。