2019腾讯犀牛鸟精英人才培养计划课题介绍（九）&（十）

微信邦

2019腾讯犀牛鸟精英人才培养计划课题介绍（九）&（十）—数据挖掘及其相关应用研究方向&数据库相关技术研究方向

2019年度腾讯 “犀牛鸟精英人才培养计划”开放申请中，该项目是一项面向学生的校企联合人才培养项目，为期一年。入选学生将受到业界顶尖技术团队与高校导师的联合指导及培养，并获得3个月以上带薪到访腾讯开展科研的机会，基于真实产业问题及海量数据，验证学术理论、加速成果应用转化、开阔研究视野。同时项目组将引进沟通技巧、商业分析、创新思维等定制课程，全面提升学生综合素质。

今年共有10大方向，81个子课题

申报截止日期：2019年1月28日

申报截止倒计时10天

同学们，抓紧时间申报哦

下面让我们一起来看看最后两个方向吧

方向九：数据挖掘及其相关应用研究

01

9.1 大规模复杂动态网络的表征与社区划分

（地点：深圳）

当前信用度对微信群和QQ群基于静态成员关系网络进行了社区划分，但群聊的成员数量随时间不断变化，尤其是恶意群的对抗行为导致关系网络变化很快，传统的静态网络难以刻画实际情况。所以基于大规模复杂动态网络的嵌入表示更加符合实际，信息更丰富的动态网络也可以解决社区划分等应用需要频繁全量计算的问题。

具体研究内容：

1.构建高可用的大规模动态网络嵌入表征框架，解决实际动态网络的模型训练困难的问题。

2.利用动态网络表征的丰富信息，更精准地进行社区划分，达到85%的社区纯净度，划分结果稳定。

导师简介

腾讯专家工程师，毕业于西安电子科技大学，一直从事安全策略开发，数据建模的工作。从业务安全开始，先后参与了打击挂机、登录保护、Q币消费保护、打击盗号等项目，见证了业务安全从无到有的过程。目前专注于安全策略+机器学习的结合，为公司各个业务的内容安全保驾护航。

02

9.2 用户社交网络和多元数据学习的研究

（地点：北京）

本课题目标是挖掘用户画像特征，主要利用微信人与人之间的社交网络以及各种微信环境下多元行为两个领域。其中社交领域包括但不局限于超大规模社交网络表示学习、用户社会层次挖掘、用户社区划分、文章社交传播模型等等，这些均以社交网络为核心结合用户兴趣等特征进行学习研究。另一个领域多元数据学习以微信环境下各种第三方行为数据为基础，交叉学习利用各种数据源之间的特点，包括但不局限于社交关系和多域行为组成社交行为关系图的学习研究、高实时性Lookalike学习研究等。通过这种学习可以有效解决推荐冷启动和兴趣试探等问题。

导师简介

导师1：

腾讯专家研究员，中国科学院计算技术研究所毕业，当前负责搜索和推荐相关的技术研发和产品应用，在ACL、AAAI等顶会上发表过多篇文章。

导师2：

腾讯高级研究员，东北大学毕业，有10年以上大数据技术的研发和产品应用经验。当前负责微信用户画像、社群挖掘等相关研发工作，拥有多项技术专利。

03

9.3 跨特征域的迁移学习在Sequence-Aware Recommendation的应用

（地点：北京）

基于序列化模型的推荐（Sequence-Aware Recommendation）广泛应用于推荐领域。基于迁移学习与多任务学习模型，结合文本语义信息、视频的封面图、视频内容特征与用户的观看偏好，使用Memory Network、Sequence Modeling等类似技术，结合看一看的业务场景，对用户属性、点击文章序列、观看行为和文章内容属性进行建模，对用户提供个性化的文章召回推荐。

导师简介

腾讯高级研究员，浙江大学毕业，主要研究方向包括：广告系统、自然语言处理、知识图谱、协同推荐技术、数据挖掘。拥有多项相关技术专利，在ACL，AAAI等顶会上发表过多篇文章。

04

9.4 大规模社交网络挖掘（地点：深圳）

主要研究领域在社交网络建模，针对真实大规模社交网络，基于高维异构数据，对社交网络的节点、关系、社团进行表示学习和画像识别，在此基础上，结合实际业务构建基于社交网络的推荐系统。期待在以上方面有所突破，并可期待相关成果未来在微信各业务中应用。

导师简介

腾讯专家研究员，华南理工大学数学系硕士。目前主要负责微信社交数据挖掘相关工作、微信社交 Lookalike、微信社会传播的分析建模等工作，曾主导 APP 社交推荐、好友用户圈子挖掘画像建设等项目。曾获邀在InfoQ等行业会议做主题报告。

05

9.5 位置大数据挖掘、模型预测和时空可视化

（地点：北京）

基于10亿级用户、日均千亿级的位置服务数据、丰富的人群画像和海量POI数据，研究不同时空尺度下的人口和流动估算、预测和可视化的模型及方法。

研究具体内容：

1.发展数据驱动下的人口建模理论，提高人口估算准确率。

2.分析不同尺度下的时空人口动态，为城市、交通、及其它行业的决策应用提供新的理论、模型和技术。

研究成果将显著提升位置大数据产品的质量和价值，有广泛的智慧产业应用场景。

导师简介

导师1：

腾讯专家研究员，毕业于北京大学城市与环境学系，中国科学院地理科学研究所硕士，美国宾夕法尼亚州立大学博士。长期从事地理信息科学、时空大数据挖掘和可视化、空间优化等研究。2008年荣获美国国家科学基金(NSF) CAREER AWARD。

导师2：

腾讯专家研究员，硕士毕业于北京航空航天大学计算机系。入职腾讯以来一直负责腾讯定位平台和位置大数据平台的研发工作。

06

9.6 因果推断（地点：深圳）

联合培养期间将主要关注在因果推断领域，例如，如何从高维用户行为中识别和归纳因果关系网络。重点突破方向为因果推断框架的通用性，降低推断过程对人工业务经验的强依赖。

导师简介

腾讯专家研究员，西安交通大学数学系硕士。目前主要负责微信用户行为分析及预测、微信社交数据挖掘和建模等工作。

方向十：数据库相关技术研究

01

10.1 OLML（联机机器学习数据库）系统构架（地点：北京）

腾讯的金融类业务在大规模线上事务型数据库中积累了海量业务数据。面对这样的一个分布式数据库，有大量实际需求，需要用AI技术解决面向分布式事务调度、Workload预测、Cache优化、异常检测、智能运维、冷热分离、负载均衡等核心应用场景。

02

10.2 分布式数据库事务处理与新硬件技术

（地点：北京）

腾讯的分布式数据库处理金融类业务。有大量实际需求，需要用新硬件的技术来提升数据库的性能、拓展数据库的架构，以此触发数据库适应云平台、大规模跨域部署等场景。而分布式事务处理如何与新硬件结合，有研究但无生产系统落地，这尚是一个充满挑战的领域。

10.1-10.2导师简介

腾讯专家研究员，硕士毕业于中国科学技术大学软件工程专业。目前主要从事分布式数据库TDSQL的研发。曾从事数据库引擎研发、数据库架构设计、数据库技术管理等工作20年。顶会等发表论文、申请专利20+。

申报截止日期的脚步越来越近了

10大技术方向内容已全部呈现

赶紧登陆官网，pick你感兴趣的课题吧

https://ur.tencent.com/register/18

申报截止日期：2019年1月28日