本周即将召开!一文详解全国社会媒体处理大会(7)

2017-09-12 18:46 浏览次数:

报告摘要:随着信息技术与互联网的快速发展,网络参与逐渐兴起,地方政府越来越多地采用政务讨论板来鼓励公民参与并提升政民互动水平。然而数据表明,地方政府在回应公民网络参与方面的表现不佳,阻碍了政府与公民之间的良性互动。现有文献试图从技术、预算、人力资源等政府能力视角来解释地方政府在线回应不足,但公民参与对政府在线回应的影响并未充分讨论。为此,本研究选取广州市政务讨论板作为研究对象。使用Python对2.7万条市民咨询投诉数据进行分析,并将文本转化为相关变量通过回归模型来检验公民网络参与对政府在线回应的影响。研究结果表明,公民参与会显著影响地方政府的在线回应,参与主题及形式的差异会带来政府在线回应的不同。

报告主题:老年人共病及其对北京市城镇职工医疗保险支出的影响:一项公共卫生大数据研究

嘉宾介绍:陈鹤,北京大学讲师

报告摘要:共病(即患有至少两种慢性病)是老年患者中的普遍问题,越来也受到各国医疗政策制定者的重视。但是,关于中国老年人共病的研究比较稀少。以北京市城镇职工医疗保险在2015年具有支付记录的参保人为总体,本研究采取系统抽样抽取2%的参保人,即按照年龄对受访人排序后,每50人抽取1个样本。针对被选择的参保人,提取所有的医保支付记录。进一步,再从中选取年龄为60岁及以上的参保人的医保记录进行分析。共得到193.64万支付记录。基于共病测量的方法论综述以及全球疾病负担2013结果,选取对老年人疾病负担重要的33种疾病,包括肿瘤、脑血管病、缺血性心脏病、糖尿病、抑郁等。基于此,本研究计算了共病在北京市城职保老年参保患者中的现患率、分布情况以及对医保支出的影响。

6、表示学习论坛

论坛时间:2017年9月17日下午 16:00-18:00

论坛简介:表示学习旨在学习研究对象的语义表示,是机器学习和人工智能的重要研究课题,最近在语音、图像、语言以及知识、社交网络等方面取得了很多成果。该论坛旨在分享表示学习的最新研究趋势和现状,研讨该方向的重要问题与挑战,推动表示学习在社会计算中的研究与应用。

论坛主席:刘知远 助理教授(清华大学)

本周即将召开!一文详解全国社会媒体处理大会

报告主题:表示学习在推荐系统中的应用

嘉宾简介:赵鑫,北京大学博士,中国人民大学信息学院讲

报告摘要:推荐系统已经成为电子商务平台和社交网络平台必不可少的重要功能组件,其中一个重点就是如何设计更为有效的推荐算法。传统的推荐算法主要是基于协同过滤、矩阵分解等。作为一个较为新兴的研究方向,表示学习最近几年得到了广泛的研究和应用,包括推荐系统。本次报告试图打通领域间的界限,讨论表示学习在推荐系统中的应用。特别地,将介绍word embedding、network embedding、knowledge graph embedding和metric learning等技术在推荐算法中的借用和移植,从多个角度来分析表示学习在推荐系统的一些最新进展。

报告主题:自然语言表示学习

嘉宾简介:韩先培,中国科学院软件研究所副研究员

报告摘要:自然语言的表示学习是深度自然语言处理方法的基础,极大的提升了自然语言处理多个任务的性能并降低了系统构建难度。本报告介绍面向自然语言表示学习,介绍了当前的研究现状,从早期的离散表示,到分布式表示,再到分散式表示;并进一步总结目前不同方法之间的内在关联,以及存在的问题和挑战。最后对未来的发展趋势做出展望。

报告主题:语言表示学习与计算社会科学

嘉宾简介:刘知远,清华大学计算机系助理教授

报告摘要:语言是人类交流的工具、人类文化的载体,是了解人类社会的重要视角。近年来随着表示学习在自然语言处理中的应用,语言表示学习也为社会科学研究提供了全新的技术工具,特别是面向在线社会媒体的大规模用户产生内容进行用户和内容分析,具有很大优势。本报告将介绍语言表示学习技术在计算社会科学方面的最新动态,探讨该方向的未来发展趋势。

7、推荐系统论坛

论坛时间:2017年9月17日下午 16:00-18:00