时间：2023年5月3日

地点：ZOOM在线

报告题目: Logic Deduction and Machine Learning in a Uniform Framework

摘要：

Association analyses aim to disclose inherent relations and regularities between entities. No matter how desirable, the study is quite challenging, especially when dealing with graph-structured data. Is it possible to unify logic rules and machine learning to capture hidden associations and better still, explain the discovered associations? Would it make association analyses harder if we put logic deduction and machine learning together? What practical value can we get out of it after all? How can we efficiently discover useful associations from a big graph with billions of vertices and trillions of links? Moreover, can we still practice association analyses when we do not have high-quality graphs in place? This talk tackles these issues.

个人介绍：

樊文飞, 英国爱丁堡大学信息学院主任教授，中国科学院外籍院士， 英国皇家学会院士、欧洲科学院院士、英国爱丁堡皇家学会院士、美国计算机协会会士（ACM Fellow)。深圳计算科学研究院首席科学家、北航大数据研究中心首席科学家、清华大学杰出客座教授、北京大学深圳研究生院南燕荣誉教授。毕业于北京大学（本科，硕士）和美国宾夕法尼亚大学（博士）， 任职爱丁堡大学前为美国贝尔实验室科学家。曾获得英国皇家学会 Wolfson 研究成果獎 (2018)、欧洲研究委员会 ERC Advanced Grant (2015）、英国 Roger Needham Award（2008）、中国长江学者 (2007), 海外杰出青年学者（2003）、美国 CAREER Award（2001）, Elsevier 网络科学刊物年度最佳论文和最杰出作者奖（2002）以及数据管理四大国际顶级理论与系统会议的时间检验奖和最佳论文奖: Alberto O. Mendelzon 时间检验奖/ACM PODS十年最佳论文奖 (2010、2015), ACM SIGMOD (2017)、VLDB（2010）和 ICDE（2007）最佳论文奖。目前主要研究领域为数据库理论与系统， 包括大数据、数据质量、分布式计算、跨模计算、增量算法和在线推荐。