数据挖掘方面重要会议的最佳paper集合
数据挖掘方面重要会议的最佳paper集合,后续将陆续分析一下内容: 主要有KDD、SIGMOD、VLDB、ICML、SIGIR KDD (Data Mining) 2013 Simple and Deterministic Matrix Sketching Edo Liberty, Yahoo! Research 2012 Searching and Mining Trillions of Time Se
数据挖掘方面重要会议的最佳paper集合,后续将陆续分析一下内容:
主要有KDD、SIGMOD、VLDB、ICML、SIGIR
KDD (Data Mining) |
||
2013 |
Simple and Deterministic Matrix Sketching |
Edo Liberty, Yahoo! Research |
2012 |
Searching and Mining Trillions of Time Series Subsequences under Dynamic Time Warping |
Thanawin Rakthanmanon, University of California Riverside; et al. |
2011 |
Leakage in Data Mining: Formulation, Detection, and Avoidance |
Shachar Kaufman, Tel-Aviv University; et al. |
2010 |
Large linear classification when data cannot fit in memory |
Hsiang-Fu Yu, National Taiwan University; et al. |
Connecting the dots between news articles |
Dafna Shahaf & Carlos Guestrin, Carnegie Mellon University |
|
2009 |
Collaborative Filtering with Temporal Dynamics |
Yehuda Koren, Yahoo! Research |
2008 |
Fastanova: an efficient algorithm for genome-wide association study |
Xiang Zhang, University of North Carolina at Chapel Hill; et al. |
2007 |
Predictive discrete latent factor models for large scale dyadic data |
Deepak Agarwal & Srujana Merugu, Yahoo! Research |
2006 |
Training linear SVMs in linear time |
Thorsten Joachims, Cornell University |
2005 |
Graphs over time: densification laws, shrinking diameters and possible explanations |
Jure Leskovec, Carnegie Mellon University; et al. |
2004 |
A probabilistic framework for semi-supervised clustering |
Sugato Basu, University of Texas at Austin; et al. |
2003 |
Maximizing the spread of influence through a social network |
David Kempe, Cornell University; et al. |
2002 |
Pattern discovery in sequences under a Markov assumption |
Darya Chudova & Padhraic Smyth, University of California Irvine |
2001 |
Robust space transformations for distance-based operations |
Edwin M. Knorr, University of British Columbia; et al. |
2000 |
Hancock: a language for extracting signatures from data streams |
Corinna Cortes, AT&T Laboratories; et al. |
1999 |
MetaCost: a general method for making classifiers cost-sensitive |
Pedro Domingos, Universidade Técnica de Lisboa |
1998 |
Occam's Two Razors: The Sharp and the Blunt |
Pedro Domingos, Universidade Técnica de Lisboa |
1997 |
Analysis and Visualization of Classifier Performance: Comparison under Imprecise Class and Cost Di... |
Foster Provost & Tom Fawcett, NYNEX Science and Technology |
SIGMOD (Databases) |
||
2013 |
Massive Graph Triangulation |
Xiaocheng Hu, The Chinese University of Hong Kong; et al. |
2012 |
High-Performance Complex Event Processing over XML Streams |
Barzan Mozafari, Massachusetts Institute of Technology; et al. |
2011 |
Entangled Queries: Enabling Declarative Data-Driven Coordination |
Nitin Gupta, Cornell University; et al. |
2010 |
FAST: fast architecture sensitive tree search on modern CPUs and GPUs |
Changkyu Kim, Intel; et al. |
2009 |
Generating example data for dataflow programs |
Christopher Olston, Yahoo! Research; et al. |
2008 |
Serializable isolation for snapshot databases |
Michael J. Cahill, University of Sydney; et al. |
Scalable Network Distance Browsing in Spatial Databases |
Hanan Samet, University of Maryland; et al. |
|
2007 |
Compiling mappings to bridge applications and databases |
Sergey Melnik, Microsoft Research; et al. |
Scalable Approximate Query Processing with the DBO Engine |
Christopher Jermaine, University of Florida; et al. |
|
2006 |
To search or to crawl?: towards a query optimizer for text-centric tasks |
Panagiotis G. Ipeirotis, New York University; et al. |
2004 |
Indexing spatio-temporal trajectories with Chebyshev polynomials |
Yuhan Cai & Raymond T. Ng, University of British Columbia |
2003 |
Spreadsheets in RDBMS for OLAP |
Andrew Witkowski, Oracle; et al. |
2001 |
Locally adaptive dimensionality reduction for indexing large time series databases |
Eamonn Keogh, University of California Irvine; et al. |
2000 |
XMill: an efficient compressor for XML data |
Hartmut Liefke, University of Pennsylvania |
1999 |
DynaMat: a dynamic view management system for data warehouses |
Yannis Kotidis & Nick Roussopoulos, University of Maryland |
1998 |
Efficient transparent application recovery in client-server information systems |
David Lomet & Gerhard Weikum, Microsoft Research |
Integrating association rule mining with relational database systems: alternatives and implications |
Sunita Sarawagi, IBM Research; et al. |
|
1997 |
Fast parallel similarity search in multimedia databases |
Stefan Berchtold, University of Munich; et al. |
1996 |
Implementing data cubes efficiently |
Venky Harinarayan, Stanford University; et al. |
VLDB (Databases) |
||
2013 |
DisC Diversity: Result Diversification based on Dissimilarity and Coverage |
Marina Drosou & Evaggelia Pitoura, University of Ioannina |
2012 |
Dense Subgraph Maintenance under Streaming Edge Weight Updates for Real-time Story Identification |
Albert Angel, University of Toronto; et al. |
2011 |
RemusDB: Transparent High-Availability for Database Systems |
Umar Farooq Minhas, University of Waterloo; et al. |
2010 |
Towards Certain Fixes with Editing Rules and Master Data |
Shuai Ma, University of Edinburgh; et al. |
2009 |
A Unified Approach to Ranking in Probabilistic Databases |
Jian Li, University of Maryland; et al. |
2008 |
Finding Frequent Items in Data Streams |
Graham Cormode & Marios Hadjieleftheriou, AT&T Laboratories |
Constrained Physical Design Tuning |
Nicolas Bruno & Surajit Chaudhuri, Microsoft Research |
|
2007 |
Scalable Semantic Web Data Management Using Vertical Partitioning |
Daniel J. Abadi, Massachusetts Institute of Technology; et al. |
2006 |
Trustworthy Keyword Search for Regulatory-Compliant Records Retention |
Soumyadeb Mitra, University of Illinois at Urbana-Champaign; et al. |
2005 |
Cache-conscious Frequent Pattern Mining on a Modern Processor |
Amol Ghoting, Ohio State University; et al. |
2004 |
Model-Driven Data Acquisition in Sensor Networks |
Amol Deshpande, University of California Berkeley; et al. |
2001 |
Weaving Relations for Cache Performance |
Anastassia Ailamaki, Carnegie Mellon University; et al. |
1997 |
Integrating Reliable Memory in Databases |
Wee Teck Ng & Peter M. Chen, University of Michigan |
ICML (Machine Learning) |
||
2013 |
Vanishing Component Analysis |
Roi Livni, The Hebrew University of Jerusalum; et al. |
Fast Semidifferential-based Submodular Function Optimization |
Rishabh Iyer, University of Washington; et al. |
|
2012 |
Bayesian Posterior Sampling via Stochastic Gradient Fisher Scoring |
Sungjin Ahn, University of California Irvine; et al. |
2011 |
Computational Rationalization: The Inverse Equilibrium Problem |
Kevin Waugh, Carnegie Mellon University; et al. |
2010 |
Hilbert Space Embeddings of Hidden Markov Models |
Le Song, Carnegie Mellon University; et al. |
2009 |
Structure preserving embedding |
Blake Shaw & Tony Jebara, Columbia University |
2008 |
SVM Optimization: Inverse Dependence on Training Set Size |
Shai Shalev-Shwartz & Nathan Srebro, Toyota Technological Institute at Chicago |
2007 |
Information-theoretic metric learning |
Jason V. Davis, University of Texas at Austin; et al. |
2006 |
Trading convexity for scalability |
Ronan Collobert, NEC Labs America; et al. |
2005 |
A support vector method for multivariate performance measures |
Thorsten Joachims, Cornell University |
1999 |
Least-Squares Temporal Difference Learning |
Justin A. Boyan, NASA Ames Research Center |
SIGIR (Information Retrieval) |
||
2013 |
Beliefs and Biases in Web Search |
Ryen W. White, Microsoft Research |
2012 |
Time-Based Calibration of Effectiveness Measures |
Mark Smucker & Charles Clarke, University of Waterloo |
2011 |
Find It If You Can: A Game for Modeling Different Types of Web Search Success Using Interaction Data |
Mikhail Ageev, Moscow State University; et al. |
2010 |
Assessing the Scenic Route: Measuring the Value of Search Trails in Web Logs |
Ryen W. White, Microsoft Research |
2009 |
Sources of evidence for vertical selection |
Jaime Arguello, Carnegie Mellon University; et al. |
2008 |
Algorithmic Mediation for Collaborative Exploratory Search |
Jeremy Pickens, FX Palo Alto Lab; et al. |
2007 |
Studying the Use of Popular Destinations to Enhance Web Search Interaction |
Ryen W. White, Microsoft Research; et al. |
2006 |
Minimal Test Collections for Retrieval Evaluation |
Ben Carterette, University of Massachusetts Amherst; et al. |
2005 |
Learning to estimate query difficulty: including applications to missing content detection and dis... |
Elad Yom-Tov, IBM Research; et al. |
2004 |
A Formal Study of Information Retrieval Heuristics |
Hui Fang, University of Illinois at Urbana-Champaign; et al. |
2003 |
Re-examining the potential effectiveness of interactive query expansion |
Ian Ruthven, University of Strathclyde |
2002 |
Novelty and redundancy detection in adaptive filtering |
Yi Zhang, Carnegie Mellon University; et al. |
2001 |
Temporal summaries of new topics |
James Allan, University of Massachusetts Amherst; et al. |
2000 |
IR evaluation methods for retrieving highly relevant documents |
Kalervo J?rvelin & Jaana Kek?l?inen, University of Tampere |
1999 |
Cross-language information retrieval based on parallel texts and automatic mining of parallel text... |
Jian-Yun Nie, Université de Montréal; et al. |
1998 |
A theory of term weighting based on exploratory data analysis |
Warren R. Greiff, University of Massachusetts Amherst |
1997 |
Feature selection, perceptron learning, and a usability case study for text categorization |
Hwee Tou Ng, DSO National Laboratories; et al. |
1996 |
Retrieving spoken documents by combining multiple index sources |
Gareth Jones, University of Cambridge; et al. |
推荐一个网站,感谢作者的努力搜集,主要是各种顶级会议的最佳论文集合。
http://jeffhuang.com/best_paper_awards.html

ホットAIツール

Undresser.AI Undress
リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover
写真から衣服を削除するオンライン AI ツール。

Undress AI Tool
脱衣画像を無料で

Clothoff.io
AI衣類リムーバー

Video Face Swap
完全無料の AI 顔交換ツールを使用して、あらゆるビデオの顔を簡単に交換できます。

人気の記事

ホットツール

メモ帳++7.3.1
使いやすく無料のコードエディター

SublimeText3 中国語版
中国語版、とても使いやすい

ゼンドスタジオ 13.0.1
強力な PHP 統合開発環境

ドリームウィーバー CS6
ビジュアル Web 開発ツール

SublimeText3 Mac版
神レベルのコード編集ソフト(SublimeText3)

ホットトピック











1. プロセッサ コンピュータ構成を選択する場合、プロセッサは最も重要なコンポーネントの 1 つです。 CS などのゲームをプレイする場合、プロセッサーのパフォーマンスはゲームのスムーズさや応答速度に直接影響します。 Intel Core i5 または i7 シリーズ プロセッサを選択することをお勧めします。これらのプロセッサは、強力なマルチコア処理能力と高周波数を備え、CS の高い要件に簡単に対応できるためです。 2. グラフィックス カード グラフィックス カードは、ゲームのパフォーマンスを左右する重要な要素の 1 つです。 CSなどのシューティングゲームでは、グラフィックカードの性能がゲーム画面の鮮明さや滑らかさに直結します。優れたグラフィックス処理能力と高いフレームレート出力を備え、より優れたゲーム体験を提供できる NVIDIA GeForce GTX シリーズまたは AMD Radeon RX シリーズ グラフィックス カードを選択することをお勧めします。

Go 言語ではコレクションのような関数を実装するのが難しく、多くの開発者を悩ませている問題です。 Python や Java などの他のプログラミング言語と比較して、Go 言語には set や map などの組み込みのコレクション型が存在しないため、コレクション関数を実装する際に開発者にいくつかの課題が生じます。まず、コレクションのような機能を Go 言語で直接実装することがなぜ難しいのかを見てみましょう。 Go 言語で最も一般的に使用されるデータ構造はスライスとマップであり、コレクションのような関数を完成させることができますが、

隠れマルコフ モデル (HMM) は、シーケンス データのモデリングに使用される強力なタイプの統計モデルです。これらは、音声認識、自然言語処理、金融、バイオインフォマティクスなど、多くの分野で使用されています。 Python は、HMM を実装するための一連のライブラリを提供する多用途のプログラミング言語です。この記事では、HMM 用のユニークな Python ライブラリを発見し、その機能、パフォーマンス、使いやすさを評価し、遅かれ早かれニーズに最適なオプションを明らかにします。隠れマルコフ モデルの入門 これらのライブラリに入る前に、HMM の概念を簡単に確認してみましょう。 HMM は、時間の経過に伴う隠れ状態間のシステムの遷移を表す確率モデルです。それは次の部分で構成されます - 一連の隠れ状態、初期状態、確率分布、状態遷移

ビッグデータとデータマイニングの台頭により、ますます多くのプログラミング言語がデータマイニング機能をサポートし始めています。 Go 言語は、高速、安全、効率的なプログラミング言語として、データ マイニングにも使用できます。では、Go 言語をデータマイニングに使用するにはどうすればよいでしょうか?ここでは、重要な手順とテクニックをいくつか紹介します。データの取得 まず、データを取得する必要があります。これは、Web ページ上の情報のクローリング、API を使用したデータの取得、データベースからのデータの読み取りなど、さまざまな手段を通じて実現できます。 Go 言語にはリッチ HTTP が付属しています

Java は、さまざまな種類のソフトウェア開発で広く使用されている強力なプログラミング言語です。 Java 開発では、コレクションの並べ替えを伴うシナリオが頻繁に含まれます。ただし、コレクションソートの性能最適化を行わないと、プログラムの実行効率が低下する可能性があります。この記事では、Java コレクションの並べ替えのパフォーマンスを最適化する方法について説明します。 1. 適切なコレクション クラスの選択 Java には、ArrayList、LinkedList、TreeSet など、並べ替えに使用できるコレクション クラスが多数あります。さまざまなコレクションクラスが含まれています

MySql は、企業および個人のデータの保存と管理に広く使用されている、一般的なリレーショナル データベース管理システムです。 MySql は、データの保存とクエリに加えて、ユーザーがデータをより深く理解し活用するのに役立つデータ分析、データ マイニング、統計などの機能も提供します。データはあらゆるビジネスや組織にとって貴重な資産であり、データ分析は企業がビジネス上の正しい意思決定を行うのに役立ちます。 MySql はさまざまな方法でデータ分析とデータ マイニングを実行できます。ここでは、いくつかの実用的なテクニックとツールを紹介します。

C# における一般的な同時コレクションとスレッド セーフティの問題 C# プログラミングでは、同時操作の処理は非常に一般的な要件です。スレッド セーフティの問題は、複数のスレッドが同時に同じデータにアクセスして変更する場合に発生します。この問題を解決するために、C# はいくつかの同時コレクションおよびスレッド セーフ メカニズムを提供します。この記事では、C# の一般的な同時コレクションとスレッド セーフティの問題に対処する方法を紹介し、具体的なコード例を示します。同時コレクション 1.1ConcurrentDictionaryConcurrentDictio

Laravel コレクションの Where メソッドに関する実践ガイド Laravel フレームワークの開発中、コレクションは、データを操作するための豊富なメソッドを提供する非常に便利なデータ構造です。中でも、Where メソッドは、指定した条件に基づいてコレクション内の要素をフィルタリングできる、一般的に使用されるフィルタリング メソッドです。この記事では、Laravel コレクションでの Where メソッドの使用法を紹介し、特定のコード例を通じてその使用法を示します。 1. Whereメソッドの基本的な使い方
