ICDM'18に参加してきたので取り急ぎどんな感じだったのかまとめました。

1. Yamato OKAMOTO
ICDM’18 速報

2. はじめに

3. 自己紹介 岡本大和（おかもとやまと）
 2013 京都大学 情報学研究科 修士課程修了（美濃研究室所属）
 画像処理やパターン認識の研究に着手
 卒業後、オムロンに入社（京都企業!!）
 R&D担当、機械学習・IoT・データ分析を扱う（バズワードばかり……）
twitter RoadRoller_DESU
イラストレーターの友人が
描いてくれた似顔絵キャラ
（※お気に入り）
ICDM
Banquetにて

4. ICDM基本情報

5. 国際会議における位置づけ
• KDDに次ぐデータマイニングの国際会議
（International Conference on Data Mining）
• 新規手法の提案に加えてデータマイニングの実例も豊富
泥臭い話も
たくさん聴講できる

6. ICDM’18の開催概要
• セントーサ島＠シンガポールで４日間にわたって開催
• どう見てもリゾート地、けっこう参加費が高い

7. 数字から見るICDM

8. AcceptはUSAと中国が圧倒的
• ２国だけで約７割！！

9. 投稿数もこの２国が圧倒的
• こちらも２国だけで約７割！！

10. コミュニティ分析やEC分析が多い
• 傾向は例年から特に変化せず
• 交通データ分析(spatial and temporal dataset)も多い

11. ICDM’18の動向と特徴

12. 最新技術の現場適用が進む
• SNSなどのlinkを分析してコミュニティ抽出する研究が引き
続きホットトピック。Graph-CNNの研究発表が多かった。
• ECデータ分析によるRecommend-Systemの研究が引き続
きホットトピック、教師なし学習や敵対学習による
Domain AdaptationでCross-Domain-Recommendを目
指す研究が多かった。
• Grab社やDiDi社による最適配車や移動所要時間予測の研究
がかなり増えた、Twitterや天候など非構造のソーシャル
データを入力する深層学習モデルを検討中。
• ただし、インパクトのある新規手法の提案は、他のトップ
カンファレンスと比較すると少ない

13. ICDMは現場課題を聴講できる
• ICDMでは何のデータを、どう取得して、どう前処理して、
どんなモデルで、どんな効果を得たのかが述べられる
• 理論や手法を重視するNIPSやCVPRに比べて、データ取得
と前処理の工程も研究対象に含まれるため、現場の泥臭い
課題を聴講できる
• 例えば、移動軌跡データを扱うとき、トンネル影響による
GPSエラーや、道に迷ったときのデータはノイズや外れ値と
なり困っているといった生々しい話があった
• 多数の企業が自社保有データを分析した結果を報告するた
めビジネス観点での聴講も可能。例えば今回は楽天による
EC分析などがあった。

14. 聴講内容の紹介

15. Tutorial
• Anomaly DetectionのTutorialでは『どの手法が最強か？』
を検証した論文が３本紹介された
• 手法をフェアに評価するための工夫観点が論文によって異
なり、それぞれが最適と主張した手法も微妙に異なった

16. Workshop
Data-driven Intelligent Transportation (DIT 2018)
• 交通信号の制御 （強化学習）
• 移動所要時間予測（マルチモーダル学習）
• タクシー需要予測（マルチモーダル学習）
が中心で、まだ入力データを試行錯誤している様子。

17. Session
• 新規手法提案についてはNIPSやICMLに見劣りする
• 実際に現実データを扱うときの工夫点や具体的な話こ
そ聴講の価値あり
• AIを一過性ブームにしないためにも、このような現場
課題と向き合う内容の国際会議は貴重である

18. おまけ

19. ICDM’19は韓国ソウルで開催
おしまい