个人介绍：沈华伟，中国科学院计算技术研究所，研究员，博士生导师，数据智能系统研究中心主任。中国科学院大学岗位教授，中国中文信息学会社会媒体处理专委会副主任。主要研究方向包括：网络大数据分析、社会计算、智能算法安全等，主持国家自然科学基金重点项目、重点研发计划项目等科研项目20余项，在PNAS、IEEE TKDE等国际学术期刊和KDD、WWW、SIGIR等国际学术会议上发表论文100余篇，三次获得国际学术会议最佳论文类奖励。获得国家技术发明二等奖、北京市科学技术二等奖、钱伟长中文信息处理科学技术一等奖、中国科学院院长特别奖、汉王青年创新奖等奖励，入选国家青年拔尖人才计划、首批中国科学院青年创新促进会优秀会员、北京智源人工智能研究院青年科学家和中国科学院王宽诚率先人才计划卢嘉锡国际团队。

个人介绍：郭嘉丰，博士，中国科学院计算技术研究所研究员，中国科学院大学岗位教授，现任中科院网络数据科学与技术重点实验室常务副主任，国家优青获得者，中科院青促会优秀会员，北京智源学者，联想青年科学家。长期从事信息检索、自然语言理解、机器学习与大数据分析系统方向的研究。在本领域国际重要学术会议与期刊上发表学术论文100余篇（如TKDE、SIGIR、AAAI、CIKM等），获得ACM CIKM 2011最佳论文奖，ACM SIGIR 2012最佳学生论文奖，ACM CIKM 2017最佳论文Runner-up奖，ACM WSDM 2022最佳论文奖。担任本领域国际重要学术期刊ACM TOIS、Information Retrieval Journal的编委以及主要国际会议的程序委员会高级评审委员、委员等，获得ACM CIKM 2017杰出评审委员。研究形成的相关成果应用于国家相关业务单位以及今日头条、搜狗等互联网公司，获得2020年国家技术发明奖二等奖 、2012年国家科技进步二等奖、2011年中国电子学会科技进步奖一等奖、2012年中国中文信息学会 “钱伟长中文信息处理科学技术奖—汉王青年创新奖”一等奖。

报告题目：广谱关联计算的内涵与应用探索

报告摘要：伴随着网络-物理-社会系统集成与交互的持续增长，人机物之间的融合变得越来越普遍，跨领域、跨模态、跨尺度的关联关系广泛存在且愈加复杂。从大数据中有效分析处理广谱化的关联关系、挖掘其中异质、隐性、高阶的线索对于解决当前与未来很多的现实挑战具有重要意义，比如：流行病追踪、欺诈检测、社会治理和情报分析等。在这个报告中，我将介绍我们对于广谱关联计算这一新型大数据分析处理范式的探索与思考，包括其问题的来源与背景，广谱关联计算的内涵与核心技术方法，以及它在大数据智能分析系统的应用与实践。

个人介绍：程学旗，现为中国科学院计算技术研究所副所长，中国科学院网络数据科学与技术重点实验室主任。研究员，博士生导师，中国科学院大学岗位教授，国家杰出青年科学基金获得者，享受国务院政府特殊津贴。长期从事网络数据科学、大数据系统、社会计算、Web信息检索与数据挖掘等方向研究。面向我国网络空间安全治理国家重大需求研制了四代网络大数据分析引擎系统，规模化应用于10余个业务主管单位，四次获得国家科学技术奖励，获授权发明专利124项，发表论文300余篇，六次获得本领域顶级国际学术会议最佳论文奖励，谷歌学术引用两万余次。

报告题目：Complex Couplings and Interactions: Good, Bad and Ugly

报告摘要：Real-world systems and organizations and their behaviors, data and outcomes are embedded with complicated interactions and coupling relationships. This generally applies to any physical, social, economic, virtual, human-made, and hidden systems and organizations. Of many system complexities, interactions and couplings are arguably more fundamental, complex and challenging to understand, quantify and compute, from system constituents, subsystems, environments to the whole-of-system. This talk briefly shares our preliminary thoughts about their underlying problems and challenges, limitation of existing quantitative and computing paradigms, and outlooks for foundational developments, going beyond existing general thinking, methodologies, and frameworks in statistics, AI, data science, and shallow to deep machine learning, etc.

个人介绍：Longbing Cao is a professor and an Australian Research Council Future Fellow (Professorial level) at the University of Technology Sydney (UTS), and the founding director of UTS Advanced Analytics Institute (now Data Science Institute). He received an Australian Eureka prize, serves as the Editor-in-Chiefs of IEEE Intelligent Systems and Springer-Nature’s Journal of Data Science and Analytics, and created several data science initiatives including the IEEE International Conference on Data Science and Advanced Analytics. His broad research interest covers AI, data science, machine learning, behavior informatics, complex intelligent systems, and their enterprise applications in public and private sectors.

报告题目：基于移动大数据的双碳时代智慧城市建设

报告摘要：近年来，随着大数据和云计算的发展，以双碳为目标的城市建设和发展步入一个崭新阶段，基于人工智能算法可以实现智慧城市的高效智能化，并进一步对城市画像进行分析认知，让城市具有思考力。为构建大数据驱动的智慧城市框架，研究了城市智能化建设、智能化治理和智能化报告分析为一体的平台，通过智能商业布局技术来助力城市经济发展，通过智能出行规划来助力城市交通发展，通过智能降碳减排来助力城市治理新模式，通过智能侦查调度来助力城市管理现代化，最后通过智能报告分析助力城市整体认知，利用城市画像技术和用户画像技术提升城市幸福指数，全面建设大数据时代的智慧城市。

个人介绍：熊辉，现为香港科学技术大学（广州）人工智能学域主任，讲座教授（Chair Professor）。长期从事数据挖掘与人工智能方面的科研工作，在Nature Communications、TKDE、TOIS、KDD、VLDB、AAAI、IJCAI、NeurIPS等国际顶级期刊和会议上发表论文300余篇。学术休假期间曾担任百度研究院副院长并主管5个实验室。他获得的部分荣誉包括AAAS Fellow、IEEE Fellow、ACM杰出科学家、中国教育部长江讲座教授、中国国家基金委海外杰青B类（海外及港澳学者合作研究基金）、哈佛商业评论2018年“拉姆.查兰管理实践奖”-全场大奖、2017 IEEE ICDM Outstanding Service Award、ICDM-2011最佳研究论文奖、和AAAI-2021最佳论文奖。

报告题目：从计算理论角度研究大图数据分析

报告摘要：大图数据广泛应用于社交网络、人脑网络、知识图谱、物联网络等领域。为了很好地支撑这些应用，需要对大图数据进行深入的分析。为此，本报告从计算复杂度理论角度探讨大图数据分析的可计算问题、可表达问题和可解释问题。

个人介绍：袁野博士，现为北京理工计算机学院教授、博士生导师、国家杰青和优青基金获得者。主持国家自然基金重点项目，科技部重点研发项目。曾获中国电子学会自然一等奖，教育部和辽宁省科技进步一等奖、全国优秀博士论文提名奖、中国计算机学会优秀博士论文奖。袁博士是中国计算机学会数据库专业委员会常委、大数据专家委员会委员、中国计算机学会高级会员，IEEE、ACM高级会员。香港科技大学、香港中文大学、英国爱丁堡大学访问学者。主要研究方向为大数据管理与分析(包括图数据管理、众包数据管理、不确定数据管理、数据隐私保护等)。在SIGMOD、VLDB、ICDE、VLDB Journal、IEEE Trans. TKDE、IEEE Trans. TPDS等重要学术会议和期刊上发表CCF A类论文90余篇。

报告题目：多维分类的研究

报告摘要：多维分类（muti-dimensional classification）是一类重要的多义性对象分类框架，在该框架下每个对象与多个类别变量相关，各类别变量基于异构标记空间刻画对象的语义。多维分类已在文本分类、众包学习、辅助医疗诊断等领域得到成功应用。本报告将从三方面介绍多维分类的研究现状：首先，简要讨论多维分类的问题设置及其与相关分类框架的关系；其次，对现有多维分类算法进行总结并介绍我们在该方面的最新工作；最后，给出多维分类的相关学术资源。

个人介绍：张敏灵，东南大学计算机科学与工程学院教授。主要研究领域为机器学习、数据挖掘。现任中国人工智能学会机器学习专委会副主任、中国计算机学会人工智能与模式识别专委会常务委员、江苏省人工智能学会学术工委主任等。担任《IEEE Trans. PAMI》、《ACM Trans. IST》、《Frontiers of Computer Science》等国际期刊编委、《中国科学：信息科学》青年编委等。应邀担任ACML'18大会主席，PAKDD'19、ACML'17、PRICAI'16等程序主席，以及KDD/IJCAI/AAAI/ICDM等国际会议SPC或领域主席30余次。曾获CCF-IEEE CS青年科学家奖（2016）等。