0
雷鋒網AI科技評論報道，2019年10月17日-19日，CNCC 2019在蘇州金雞湖國際會議中心舉辦，雷鋒網作為戰(zhàn)略合作媒體，對大會進行全程報道。
在18日上午的特邀報告中，數據挖掘領域巨擘美國伊利諾大學芝加哥分校俞士綸教授做了“Broad Learning：A New Perspective on Mining Big Data”（廣度學習：大數據挖掘的新視角）的分享。
當前大家普遍對深度學習了解較多，而事實上對于數據我們不僅要挖得深，還需要挖得廣。例如對于網頁數據，深度學習能夠單獨學習文本數據或圖像數據等里面的特性。但是真實的網頁可能同時包含文本、圖片、音頻、鏈接等等的數據。
事實上，我們講的大數據并不是說所有數據都很大，只是整體很大而已。更多的情況是，我們擁有許多不同來源的（小）數據，它們之間相互有或多或少地聯系。如果能夠將這些不同的數據源整合在一起，那么我們將挖掘出更多有價值的信息。
俞士綸教授認為，首先我們應當認同這樣一個觀點，即所有類型的數據都是可用的，換句話說就是沒有沒價值的數據。問題的關鍵就在于我們如何將這些數據融合在一起。那么如何做呢？這就需要「廣度學習」了。
所謂「廣度學習」，俞士綸教授認為其本質就是如何將各種各樣的數據整合在一起，以獲取更多的信息。
在采訪中，俞教授向AI科技評論強調說，廣度學習在研究上的側重點是數據，而深度學習的側重點則在于模型；換句話說深度學習的「深」是指對數據訓練的模型層數深；而廣度學習的「廣」是指我們訓練模型的數據類型廣。這兩個概念側重的點不同，但可以結合在同一個模型當中。
要做好「廣度學習」，俞教授認為需要以下三步：
首先，定義并獲取相關的有用數據源，也即找到對你的問題有用的數據。
其次，設計一種模型來將異質數據源信息融合起來。
最后，基于模型整體的需求從各種數據源中深度地去挖掘信息。
而從具體的技術路線角度來看，俞士綸教授認為廣度學習的類型大致可以分為三類：
首先是在同一個實體上有不同類型信息的學習。這種類型的廣度學習包括 Multi-view Learning、Multi-source Learning、Multi-model Learning 等。
其次是在不同的但類型相似的實體上信息的學習。這包括 Transfer Learning。
另外是在有復雜網絡類型關系的不同類型實體信息的學習。這包括基于融合的異質信息網絡（HIN）。
對于廣度學習，最為關鍵的任務主要有兩個：信息融合和知識發(fā)現。因此對應的就有兩個基本的挑戰(zhàn)，其一是發(fā)現什么數據是有用的，如何將這些數據融合在一起；其二就是要明白想要挖掘什么（并不是所有數據對特定的知識發(fā)現都有用），以及如何從融合的數據中挖掘出有用的知識。
這有很多例子。
例如藥物發(fā)掘。新藥上市通常很貴，原因在于研發(fā)新藥的成本非常高，發(fā)現一個新藥之前可能失敗成千上萬次。但如果我們能夠用大數據的技術來做預測，把那些不成功的案例刪除掉，那么就能夠在很大程度上降低新藥研發(fā)的成本。但是，決定一種藥物能否治療一種疾病，并不僅僅是看藥物的化學成分的；事實上，這需要很多種不同類型的信息或數據。例如基因信息、器官組織信息、藥物傳播臨床試驗信息等。傳統(tǒng)的數據挖掘方法僅僅能夠針對一種信息進行深度挖掘，但事實上若想要取得較好的效果，則需要將多種信息綜合起來。下面這張圖融合了多個不同數據之間的關系，這在本質上是一個異質網絡。
在這張圖上，可以定義所謂的Meta-Path，來表示兩個數據之間的關系：
比如兩個數據雖然不一樣，但相互有影響，那么就可以直接連在一起；兩個化學藥品，如果它們有相同的副作用，那么就可以說它們有關系。這種關聯可以幫我們來決定一個藥物是否可能有用。
再例如，在電影推薦中，傳統(tǒng)的方法往往只是根據用戶的打分信息進行推薦，但事實上用戶是否喜歡一部電影往往還取決于更多的因素，例如用戶的個人背景、用戶的朋友圈以及其他因素（例如電影是某個導演拍攝或某個演員主演等）都會影響用戶是否觀影以及觀影體驗。
類似于前面的例子，也可以采用相似的方法將不同的信息進行融合來提高推薦的準確性。
俞士汶教授認為，在大數據時代數據是最為寶貴的資源。對個人和企業(yè)來講，對大數據的挖掘將是一次顛覆性的機會；大數據有四個「V」，所以對大數據的挖掘同時也是一種挑戰(zhàn)。俞教授在報告中則主要是解決大數據的Variety，也即通過融合異質數據源來進行廣度學習。真實生活中的數據一般都不是只有一個數據源，而是要融合多個數據源才行。因此有效的學習應當同時需要廣度和深度。
雷鋒網報道。
雷峰網原創(chuàng)文章，未經授權禁止轉載。詳情見轉載須知。
專題
