“Somebody might say, ‘I really hate beer, but I love Heineken,’” ...“You see the word 'hate' and the word 'Heineken' in the same tweet, do you now infer that they are negative on Heineken? →

DB方向还有至少三个会，还不算CIDR和EDBT.

今年CIKM会议投稿格局变了，IR不再是最多的了，KM占了主导，KM的session人气也很更旺，DB显得有点低落

//@52nlp: //@昊奋: 任何big XXX的都是buzz word，我觉得说的还是老问题，用实体来标注文本就是entity linking和named entity recognition，而relation的标注就是关系抽取，将文本更加结构化是语义理解的基础，这两个过程本来就是相辅相成。标注的越多就会积累更多知识，更多的知识也让标注更准确。

Yago创始人Gerhard Weikum提出了“大文本”的概念，他认为从文本中提取知识，再用知识更好的理解文本，是未来的趋势。#cikm2014#

//@丕子: follow//@刘知远THU: 利用知识图谱加强对文本的表示是个重要的研究问题。:) //@-林鸿飞-: Entity将成为分析的入口，Relation也许比语义更为实用。

Yago创始人Gerhard Weikum提出了“大文本”的概念，他认为从文本中提取知识，再用知识更好的理解文本，是未来的趋势。#cikm2014#

推荐!

#ICDM2014# 本次，我们邀请了三位大牛来做keynotes。分别是：1. 来自北京大学的Wen Gao教授，题目:Towards Mobile Visual Search 2. 微软和康奈尔大学的Johannes Gehrke教授，题目:Ten Research Challenges in Data Science 3. 明尼苏达大学的Vipin Kumar教授，题目:Understanding Global Change...

//@phunter_lau:对，很少有推荐系统能考虑到用户承受能力，包括时间精力购买力等等//@睡眼惺忪的小叶先森: 我对推荐的理解为：用户的taste、用户的基础条件已经决定了解空间。推荐就是帮用户多快好省地寻找到解空间中的较（最）优解。因此如果我只爱Android os；或者我手头只有1000块钱，怎么推荐苹果

今天李沐少帅分享的推荐系统ppt中有一个page，bias matters。。请教下@phunter_lau 。这个是不是先验的比重占33%，即热门的效果对推荐的影响达到33%，个性化的部分才10%，其他是不可解释？这个结果对个性化工作的打击该多大啊

今天带孩子去裕廊飞禽公园看猫头鹰，荡秋千，顺手拍了些花

看网上直播，有很多很有意思的工作

#SMP2014#第二天 首场报告 国防科技大学 贾焰教授 《在线社交网络分析》 信息传播的特点 多源并发性 相互影响性 内容演化性