如何有效利用學術圖譜？怎么建立相對公正的學術評價體系？聽聽大師們怎么說 | CNCC 2017

雷鋒網 AI科技評論按：由中國計算機學會（CCF）主辦，福州市人民政府、福州大學承辦，福建師范大學、福建工程學院協辦的 2017 中國計算機大會（CNCC 2017）于 10.26—10.28 日在福州·海峽國際會展中心舉辦。

此次會議規模空前，會議主辦方邀請了包括丘成桐、沈向洋、李飛飛、叢京生在內的學界、業界知名人物，這次大會除了14場非常值得關注的特邀報告，還有2場大會主題論壇、40余場學術論壇、30余場特色活動以及3個頒獎大會，同期還將有80余家企業舉辦科技成果展。雷鋒網作為獨家戰略合作媒體對大會內容進行了全程覆蓋和報道。

如何建立相對公正合理的學術評價體系，這是在人工智能研究飛速發展的今天被國際學術界高度關注的話題。在 CNCC 2017《大數據驅動下的學術評價》技術論壇上，邀請到CCF 術語工委會主任周明，上海交通大學教授王新兵，中國工程院院士高文，北京大學教授金芝，微軟研究院研究員王冠三共聚于此，探討如何構建大規模異構學術圖譜，有效利用圖譜為廣大學者服務，為學術評價和社會發展服務。此次論壇由清華大學副教授唐杰、微軟亞洲研究院李銳博士主持，在panel討論環節，還邀請到南京大學教授周志華、中科院計算所研究員陳熙霖。

從左至右依次為清華大學副教授唐杰、北京大學教授金芝、南京大學教授周志華、微軟研究院研究員王冠三、中科院計算所研究員陳熙霖、上海交通大學教授王新兵、微軟亞洲研究院李銳博士

作為第一位嘉賓，周明在論壇中介紹了CCF術語工作委員會，并詳述了術語工作委員會中的分工。為了更好的進行術語工作，他們構建了三級火箭，第一級是專家火箭，這一級火箭主要涵蓋的是之前一些專家的研究工作。下一級是網絡火箭，其中包括新詞挖掘，詞義挖掘，合并、擇優等，第三級是眾包火箭，這一級會鼓勵網友貢獻新詞條并審核編纂詞條內容，為術語工作委員會做出貢獻。

為什么會構造這樣的三級火箭？他表示，專家火箭可能存在詞條老舊的問題，這時候網絡火箭就出現了，可以增加新的詞條，例如AlphaGo等，但是又出現了新的問題，比如分類體系不一致，要進行很多調整，另外在增加新詞條的時候，必須要通過人工甄別斷定分類，還有如何將網絡上的簡繁體文本對應起來。總體來說，網上找的資源良莠不齊，格式多樣，無法用自動化手段去做，必須靠眾包去做。

專家火箭和網絡火箭目前進展順利，眾包火箭現在發展也不錯。他們在做這件事的時候會有激勵機制，為大家設計了不同的頭銜以表彰其對計算機術語工作做出的貢獻。大家可以基于他們的術語工作，做搜索、問答等各種各樣的研究。

接下來，王新兵教授介紹了他們在學術地圖上的一些研究。他表示，目前的數據量很大，要從數據中挖掘出某位老師或者學生的研究水平，需要進行多方面的考慮。他也提到如何將論文之間的關系聯系起來，有什么好的做法，為實現這些目標有哪些核心的考慮。

在論壇中，他為大家詳解了他們做的一些圖。他們現在做的分析有挖掘論文之間的相關性，挖掘出某個領域比較重要的研究人員，以及誰在那個領域成長比較快，影響力比較大，挖掘某些研究的地理核心區域。在進行核心區域的研究中，也能看到中國在過去二十年間取得的發展。他還舉例分析了幾個重要會議（SIGMOD和SIGIR、CVPR和ICCV、AES和OOPSLA）之間的交叉和聯系。

他們的愿景是希望能通過數據分析來幫助大家，例如根據文章之間的關聯性，進行文章推薦，或者進行關聯的作者推薦。

隨之而來的是高文院士的精彩演講，他談到最近討論比較多的雙一流建設，這個排名請了許多知名的專家來評價、討論、制定規則，然后讓機器去計算，但網上有很多對這個排名的調侃和不滿。他表示，通過專家制定規則，然后再用提交的數據進行排序的方法，里面有些值得改進的地方。“用大數據做學術評價，很多時候能不能得獎和你的數據的公開程度直接相關，如果在網上幾乎查不到你的信息，很大可能得不到高分。”

此外，他也發表了對利用論文數量做學術評價的看法。“學術評價一定要有科學性在里面，純粹的數論文一定不行，但是論文數有一定的參考性。如果沒有其他可參考的，那么數量可能是主要參考的點。”

“以前評價學者的水平靠人的判斷，現在數據正在慢慢發揮作用，亞洲學者也多起來了。”他說道，“從社會進步、學科發展、個人發展來說，我們應該逐步關注、整理和維護數據，另外也應該樂于分享數據。此外，不能為了追求數據而數據，要科學地使用、判斷數據。”

而現場觀眾也進行了踴躍的提問，比如什么時候機器可以制定規則，自然基金委在基礎研發投入方面的做法，如何看待最近《美國新聞和全球報道》排出的全球高校排名。

下一位演講嘉賓是金芝教授。本次論壇的主題為大數據驅動下的學術評價，她對學術評價做了介紹，目前存在定性和定量兩種評價方法，比較科學的方法是將定量與定性有機的結合起來，給出全面的評價。另外，在做評價時需要考慮多維性，要尊重不同的價值體系。論壇的另一個關鍵點是大數據，她介紹了億級學術圖譜Open Academic Graph，她表示，構建學術大數據的目的有三，一是集成豐富的學術知識數據，二是數據共享，三是服務共享。這些都非常有價值的，對于學術研究有很大的貢獻。

在論壇中，她從窄義和廣義上闡述了知識圖譜的概念。而知件是計算機可操作性的知識模塊，分為源數據層、策略層、表現層。關于知件她們也做了一些研究，在知件的基礎上，如何進行模型驅動的知識抽取、知識的編排和演算，以及進行綜合報告的深層化 ，這些都非常有意義。

在演講的最后她提到，“我們希望在開放性學術知識圖譜和可定制學術評價上，構建一個開放的學術評價社群。”

之后，王冠三先為大家描述了他認為的AI是什么，然后為大家描述了知識圖譜的概念、包含哪些東西。他表示，他們之前在研究中讓機器來讀所有的論文，看機器是否能自己教會自己讀取出需要抽取出來的信息等。

在對學者的排序過程中，對影響力的評估很重要。他們通過用不同的方法來進行排序，然后通過對結果來進行分析，來判斷排序方法。目前有很多進行高校排名的方法，也出現了很多不同的名單，但并不是所有的方法都公平。他表示，他們用的是迭代算法來進行計算。在對學科進行評比的過程中，有些學校并不是每個小學科都能涵蓋，這時候就需要選擇有效的評比方法。另外，目前學術界每個月都會涌現出大量的論文，這時候就需要借助于機器。

最后，他也介紹到Open Academic Graph數據的使用方式，以及一些與它相關的技術手段，例如如何構建關系，將圖畫出來。

作為最后一位演講的嘉賓，唐杰副教授先是總結了大家前面的演講，然后介紹了開放學術組織（Open Academic Society），從理論研究、技術推廣、國內國際合作等多個方面介紹了AMiner的總體情況，目前他們已經與多個機構合作成立了研究中心，包括與中國工程院合作成立了知識智能聯合實驗室，與微軟合作成立數據研究院科技大數據研究中心等。

此外，他也提到了Open Academic Graph開放數據，他初步介紹了這個數據集的一些基本情況，除了論文數據，他們還發布了學者的相關信息、學者之間的關聯信息、profile信息等。基于這些數據，他們還組織了一些數據挖掘比賽。

他表示，現在可以結合大數據、知識分析等，做出很多的學術地圖畫像，他為大家展示了他們做的人才遷徙圖，可以看到國際上頂尖人才的遷徙路徑。此外，基于那些學術大數據，他們還做了機構排名，也發布了CS領域最有影響力的學者排名。“大家要是有興趣可以在這個數據上做非常多的工作，我們這個數據集完全開放。”

在最后panel討論環節的嘉賓有金芝、周志華、王冠三、陳熙霖、王新兵，大家針對數據VS知識、大數據VS小數據、簡單評價方法VS復雜評價方法等進行了精彩的討論。針對最近的熱門話題Alphago Zero，也有現場觀眾進行踴躍提問。欲知更多詳細內容，敬請關注雷鋒網 AI科技評論。

雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。