5月13日下午,清华大学大数据研究中心在清华大学东主楼316会议室主办“清华大数据系列论坛”之“图数据管理与分析”研讨会。会议邀请北京大学计算机科学技术研究所教授邹磊，悉尼大学计算机科学学院高级讲师、未来学者常利军，香港浸会大学计算机科学系助理教授黄欣出席并做报告。研讨会由清华大学软件学院副教授宋韶旭主持。

会议现场

北京大学计算机科学技术研究所教授，CCF自然科学奖二等奖、教育部自然科学奖二等奖获得者，邹磊博士做题为《知识图谱中的自然语言问答》的报告。报告中，他首先向大家介绍了基于RDF知识图谱的两种已有自然语言问答方法，其分别基于信息抽取和语义分析。然后主要讲解了他们基于图匹配技术的RDF问答系统gAnswer。现今RDF的问答任务最大的挑战就是自然语言问题的模糊性，而邹磊教授的方法将消除歧义和评价查询相结合成一个统一的过程，即将消歧考虑进评价查询的步骤中。基于对RDF图的查询结果，来有效地解决自然语言中模糊性问题。

邹磊做报告

悉尼大学计算机科学学院高级讲师、未来学者常利军在他题为《大规模稀疏图中的最大团计算》的报告中，首先指出了最大团计算在分析大规模真实图数据中的重要性，并对已有的在大规模稀疏图中进行最大团计算的相关算法进行了总结和介绍。然后主要讲解了他们最新的相关研究成果、发表在KDD2019的MC-BRB算法。MC-BRB算法将稀疏图中的最大团计算实例转化为在稀疏子图中发现的k团实例，并构造了能够有效解决此问题的branch-reduce-and-bound框架。通过设计以自我为中心理念的MC-EGO算法将计算复杂度降低为线性时间。

常利军做报告

香港浸会大学计算机科学系助理教授黄欣发表了题为《图中高质量社区搜索》的研究报告。社区服务存在于很多的真实网络中，如社交网络、生物学网络、合作关系网等等。高质量的社区对于理解复杂网络的组织和结构是尤为重要的。近年来在大规模图中的社区搜索已经逐渐得到了越来越多的关注。黄欣博士在报告中首先介绍了有关社区搜索的多种已有最新算法，其中大多数的方法都采用我们所熟知的k-core和k-truss方法来进行计算。同时为了更好地评价在公有-私有网络中的社区质量，黄欣博士团队为大家整理并分享了5个真实数据集以用来作为评价相关算法的标准。最后他强调了在这个重要且迅速发展的领域中存在的挑战和机遇。

黄欣做报告

本次研讨活动通过三位杰出教授分享在图数据领域内各自研究的最新进展，为师生们提供了更多的相关前沿知识，更激发了对图数据相关研究的学术热情，奉献了一场精彩的学术交流盛宴。

部分参会师生合影

供稿：清华大学大数据研究中心 科研院