KDD

概述

KDD (ACM SIGKDD Conference on Knowledge Discovery and Data Mining) 是数据挖掘领域的顶级会议，被誉为"数据挖掘的奥斯卡"。每年举办一次，汇集了全球数据挖掘、机器学习和知识发现领域的最新研究成果。

关键内容

会议信息

• 全称：ACM SIGKDD International Conference on Knowledge Discovery and Data Mining
• 主办方：ACM SIGKDD (Association for Computing Machinery Special Interest Group on Knowledge Discovery and Data Mining)
• 频率：年度会议
• 定位：数据挖掘和知识发现领域的顶级会议，CCF A类会议

学术影响力

• 录用率通常在15%-20%左右，竞争激烈
• 发表了许多数据挖掘和机器学习领域的奠基性工作
• 2018年举办的第24届KDD会议上发表了 MMoE 的奠基性论文

重要发表

• 2018年第24届KDD发表了 MMoE 论文："Modeling Task Relationships in Multi-task Learning with Multi-gate Mixture-of-Experts"，作者为 Jiaqi Ma 等人在 Google 的工作
• 该论文提出的方法至今被引用数千次，成为多任务学习在推荐系统领域的奠基性工作之一

影响与意义

• 推动了数据挖掘和知识发现领域的发展
• 为工业界和学术界提供了重要的交流平台
• 在推荐系统、图神经网络、多任务学习等多个方向产生了重要影响

来源

• MMoE 论文 — 作为发表平台
• raw/books/推荐系统/14-mmoe.md — 深度解读文章

相关

• MMoE 论文 — 在KDD 2018发表
• 推荐系统 Scaling Laws — 相关领域研究
• 多任务学习 — 相关技术领域
• Google — 论文作者机构