又一全球AI顶会，尽是中国力量举杯相庆。

KDD，数据挖掘领域国际最高级别会议，今年在美国阿拉斯加州举行，最佳论文及三大竞赛等主要奖项，刚刚已全部揭晓。

今年，中国面孔星光璀璨。康奈尔大学华人博士Dong Kun以一作身份斩获研究赛道最佳论文，初创公司奖项、KDD CUP三大赛事，也基本被中国公司包揽。

详情传送如下：

双盲评审第一年，15%接收率

KDD，国际数据挖掘与知识发现大会，全称：ACM SIGKDD Conference on Knowledge Discovery and Data Mining，是数据挖掘领域国际最高级别会议。

自1995年以来，KDD大会连续举办了二十余届，每年的接收率不超过20%，今年的接收率不到15%。

值得一提的是，今年也是KDD采用双盲评审的第一年。

依然分为研究赛道和应用赛道。

其中，据已公开消息，KDD研究赛道共收到1179篇投稿，其中111篇被接收为Oral论文，63篇被接收为Poster论文，入选率14.8%。

应用赛道收到700余篇论文，其中大45篇被接收为Oral论文，100篇被接收为Poster论文，接收率20.7%。

相较而言，KDD 2018年研究赛道接收181篇，接收率为18.4%，应用赛道接受112篇，接收率22.5%。

强调论文可复现

而且最重要的是，KDD今年还在投稿通知中特别强调——可复现性——且规定该项会作为最佳论文评选资格，论文需要额外提交内容展示可复现内容。

包括实验方法、经验评估和结果，也鼓励在论文中公开研究代码和数据，尽可能完整地描述论文中使用的算法和资源。

于是，KDD 2019也成为了备受关注的一届。

来看具体奖项都被哪些团队捧走了：

研究赛道最佳论文

Network Density of States（态网络密度）

http://arxiv.org/pdf/1905.09758.pdf

论文来自康奈尔大学。第一作者是Dong Kun，康奈尔大学应用数学专业博士生，硕士毕业于UCLA。

其他作者还有康奈尔大学计算机系助理教授Austin Reilley Benson和康奈尔计算机系副教授David Bindel，他也是Dong Kun的博士生导师。

谱分析将图结构与相关矩阵的特征值和特征向量联系起来。许多谱图理论直接来自谱几何，通过相关微分算子的谱来研究可微分流形。但是从谱几何到谱图的转换主要集中在仅涉及少数极端特征值及其相关特征值的结果上。

与几何学不同，通过特征值的整体分布（谱密度）对图的研究主要局限于简单的随机图模型。现实世界图谱的内部仍然在很大程度上难以计算和解释，尚未被探索研究。

在本文中，作者深入研究了真实世界图谱的谱密度。我们借用了凝聚态物理中的研究工具能态密度，并添加了新的适应性来处理常见图形图案的谱特征。所得到的方法是高效的，论文中已经通过计算单个计算节点上具有超过十亿个边缘的图的谱密度说明了这一点。

除了提供视觉上引人注目的图形指纹之外，本文还展示了谱密度的估计如何推动许多常见中心度量的计算，并使用谱密度来估计有关图结构的有意义信息，这些信息无法只从极值本征对中推断得出。

研究赛道第二名论文

Optimizing Impression Counts for Outdoor Advertising

http://dl.acm.org/citation.cfm?doid=3292500.3330829

这项研究解决的，是关于户外广告如何投放才最划算的问题，作者来自墨尔本皇家理工大学、新加坡管理大学、武汉大学和华为。

具体的问题是该团队首次提出的，称之为户外广告印象数（Impression Counts for Outdoor Advertising，ICOA）。

马路边的广告那么多，但能让你有印象的很少，大部分都忘得无影无踪，因此，只要广告在你脑海中留下印象，许多广告主的目的就达到了，这项研究也就是关于如何让更多人留下更深刻印象的。

由于移动互联网的发达，不管你用什么交通方式，开车也好，骑摩托车、自行车也好，你每次出门的轨迹都可以被记录下来，因此研究者们找到了出行轨迹数据库T。在此之外，还有给定的广告牌数据库U和广告主的投放预算B。

因此，概括地说，户外广告印象数是这样一个问题：

广告牌和预算就那么多，路人们就那么走，在这些给定的情况下，如何提升给路人们留下的总印象，让钱花的最值呢？

这里要解决两个问题：

1.每块广告应该让一个路人看到几次；

2.如何布局广告牌的摆放，让更多路人在出行轨迹上刚好看到最佳次数。