Rutgers, the State University of New Jersey熊辉教授和Florida Atlantic University朱兴全教授来访交流
应合肥工业大学数据挖掘与智能计算千人计划研究团队特聘教授吴信东教授的邀请，5月21日至5月23日，新泽西首府罗格斯的罗格斯大学副教授，管理科学和信息系统系的副主任，罗格斯信息保障中心主任熊辉和佛罗里达大西洋大学的计算机与电气工程系和计算机科学系的副教授朱兴全来学院访问交流，并于5月23日上午在校学术活动中心二楼报告厅分别做了题为“Ranking Fraud Detection for Mobile Apps: A Holistic View”和“Hashing for Big Data Mining”的专题报告。本次报告主要面向具有数据挖掘知识背景或对此领域感兴趣的师生。上午九点整，计算机与信息学院院长助理樊玉琦老师宣布报告会开始。“千人计划”特聘专家吴信东教授担任报告会主持人。学院胡学钢教授、洪日昌教授及其他80多名师生现场聆听了报告。
熊辉教授的报告围绕移动应用程序的排名欺诈检测系统展开。熊教授介绍了自己研究问题的来源。从实际中发现问题，然后利用数据挖掘知识解决，并且形象地将数据挖掘与医学相比，为我们总结了进入数据挖掘行业的关键：学好领域知识和技术知识。他在报告中指出，当今社会呈信息化特性，目前的APP市场排名中存在排名欺诈问题，移动应用程序市场的排名欺诈是指为了提高应用程序在流行目录上排名的相关欺诈或者骗人的活动。应用程序开发者越来越频繁的使用阴暗的手段，比如：夸大他们应用程序的销售情况或者发布假的应用程序评价来进行排名欺诈。熊辉教授提供了关于欺诈排名的一个全面视角的观察，并介绍了检测移动应用程序的排名欺诈检测系统。特别地，通过统计假设检验方法建立了应用程序的排名和评价模型，研究了两种类型的证据：基于排名的证据和基于评价的证据。此外，熊辉教授还提出了一个最佳的聚合方法来研究欺诈检测相关的所有证据。最终，用从iOS应用程序商店收集的很长一段时间的真实数据集来评估提出的系统。熊教授向在场听众展示了实验结果，证实了提出的系统的有效性，并且显示了检测算法和排名欺诈活动的模式的可扩展性。
朱兴全教授的报告围绕大数据挖掘中的哈希算法展开。他在报告中指出，大数据的应用通常具有大规模非结构化的数据，同时数据具有复杂的关系和动态增加的数量。这使得在非结构化数据中发现相似性并且为复杂关系和动态数量数据建立预测模型是两个基本的挑战。在大数据环境中，数据数量、特征维度和数据关系是不断进化的，哈希算法提供了一个有效的方法来把无限的数据输入转化为有限的数据表示，因此我们可以建立有效的数据挖掘模型，在这次报告中，朱兴全教授提出了用哈希算法来解决大数据挖掘中的两个基本挑战：（1）通过考虑语义上下文信息，如何描述大型文本文件之间的相似性（2）如何在动态变化的网络建立有效的分类模型。对于第一个挑战，朱兴全教授提出了一个用保存背景信息的哈希算法，以用保留的背景信息来计算文本间相似性。而对于动态网络分类，可以利用图的哈希算法和分解技术来为拓扑结构不断变化的的大型动态网络建立图分类模型。
与师生们分享完自己的研究工作和成果后，熊老师和朱老师还分别与在场的师生们进行了愉快的交流互动，对在场师生提出的问题，两位老师都给予了精彩的回答，赢得在场师生的阵阵掌声，报告会在热烈的掌声中圆满结束。
熊辉现在是新泽西首府罗格斯的罗格斯大学副教授，管理科学和信息系统系的副主任，罗格斯信息保障中心主任。熊博士在罗格斯大学获得了一个提前两年的破格/任期（2009），罗格斯大学为优秀学者建立的信托研究奖学金董事会成员（2009），获得了ICDM-2011最佳研究论文奖（2011）。熊博士在中国科学技术大学获得自动化专业学士学位，在新加坡国立大学（NUS）获得计算机科学的硕士学位，2005年在美国明尼苏达大学（UMN）获得计算机科学专业博士学位。他的主要研究领域是数据与知识工程，集中在从新兴的数据密集型应用程序中提出高效的数据分析技术。他发表了大量学术期刊论文和会议论文（包括50多篇期刊论文及60多篇会议论文），还著有3本著作。他是Springer的GIS百科全书的联合主编，是IEEE Transactions on Knowledge and Data Engineering（TKDE）和Knowledge and Information Systems（KAIS）的副主编。他经常任职于许多机构和会议的程序委员会，包括第十八次ACM SIGKDD International Conference on Knowledge Discovery and Data Mining (KDD)的工业和政府专题的共同主席，是IEEE2013 International Conference on Data Mining（ICDM）的共同主席。他是ACM和IEEE高级会员。
朱兴全是佛罗里达大西洋大学的计算机与电气工程系和计算机科学系的副教授。他的研究兴趣主要包括数据挖掘，机器学习，和多媒体系统。从2000年起，他在这些领域发表了170多余篇期刊论文和会议论文，并获得2篇最佳论文奖和1篇最佳学生论文奖。朱博士是IEEE Transactions on Knowledge and Data Engineering的副主编（2008-2012），现在任职于International Journal of Social Network Analysis and Mining（SNAM）编辑委员会（2010-至今）和Network Modeling Analysis in Health Informatics and Bioinformatics Journal（2014-至今）。他在14th IEEE International Conference on Bioinformatics and BioEngineering（BIBE-2014），IEEE International Conference on Granular Computing (GRC-2013)，23rd IEEE International Conference on Tools with Artificial Intelligence (ICTAI-2011)，和the 9th International Conference on Machine Learning and Applications (ICMLA-2010) 担任过或者正在担任程序委员。他还担任过ICMLA-2010会议共同主席。
熊辉教授的报告围绕移动应用程序的排名欺诈检测系统展开。熊教授介绍了自己研究问题的来源。从实际中发现问题，然后利用数据挖掘知识解决，并且形象地将数据挖掘与医学相比，为我们总结了进入数据挖掘行业的关键：学好领域知识和技术知识。他在报告中指出，当今社会呈信息化特性，目前的APP市场排名中存在排名欺诈问题，移动应用程序市场的排名欺诈是指为了提高应用程序在流行目录上排名的相关欺诈或者骗人的活动。应用程序开发者越来越频繁的使用阴暗的手段，比如：夸大他们应用程序的销售情况或者发布假的应用程序评价来进行排名欺诈。熊辉教授提供了关于欺诈排名的一个全面视角的观察，并介绍了检测移动应用程序的排名欺诈检测系统。特别地，通过统计假设检验方法建立了应用程序的排名和评价模型，研究了两种类型的证据：基于排名的证据和基于评价的证据。此外，熊辉教授还提出了一个最佳的聚合方法来研究欺诈检测相关的所有证据。最终，用从iOS应用程序商店收集的很长一段时间的真实数据集来评估提出的系统。熊教授向在场听众展示了实验结果，证实了提出的系统的有效性，并且显示了检测算法和排名欺诈活动的模式的可扩展性。
朱兴全教授的报告围绕大数据挖掘中的哈希算法展开。他在报告中指出，大数据的应用通常具有大规模非结构化的数据，同时数据具有复杂的关系和动态增加的数量。这使得在非结构化数据中发现相似性并且为复杂关系和动态数量数据建立预测模型是两个基本的挑战。在大数据环境中，数据数量、特征维度和数据关系是不断进化的，哈希算法提供了一个有效的方法来把无限的数据输入转化为有限的数据表示，因此我们可以建立有效的数据挖掘模型，在这次报告中，朱兴全教授提出了用哈希算法来解决大数据挖掘中的两个基本挑战：（1）通过考虑语义上下文信息，如何描述大型文本文件之间的相似性（2）如何在动态变化的网络建立有效的分类模型。对于第一个挑战，朱兴全教授提出了一个用保存背景信息的哈希算法，以用保留的背景信息来计算文本间相似性。而对于动态网络分类，可以利用图的哈希算法和分解技术来为拓扑结构不断变化的的大型动态网络建立图分类模型。
与师生们分享完自己的研究工作和成果后，熊老师和朱老师还分别与在场的师生们进行了愉快的交流互动，对在场师生提出的问题，两位老师都给予了精彩的回答，赢得在场师生的阵阵掌声，报告会在热烈的掌声中圆满结束。
熊辉现在是新泽西首府罗格斯的罗格斯大学副教授，管理科学和信息系统系的副主任，罗格斯信息保障中心主任。熊博士在罗格斯大学获得了一个提前两年的破格/任期（2009），罗格斯大学为优秀学者建立的信托研究奖学金董事会成员（2009），获得了ICDM-2011最佳研究论文奖（2011）。熊博士在中国科学技术大学获得自动化专业学士学位，在新加坡国立大学（NUS）获得计算机科学的硕士学位，2005年在美国明尼苏达大学（UMN）获得计算机科学专业博士学位。他的主要研究领域是数据与知识工程，集中在从新兴的数据密集型应用程序中提出高效的数据分析技术。他发表了大量学术期刊论文和会议论文（包括50多篇期刊论文及60多篇会议论文），还著有3本著作。他是Springer的GIS百科全书的联合主编，是IEEE Transactions on Knowledge and Data Engineering（TKDE）和Knowledge and Information Systems（KAIS）的副主编。他经常任职于许多机构和会议的程序委员会，包括第十八次ACM SIGKDD International Conference on Knowledge Discovery and Data Mining (KDD)的工业和政府专题的共同主席，是IEEE2013 International Conference on Data Mining（ICDM）的共同主席。他是ACM和IEEE高级会员。
朱兴全是佛罗里达大西洋大学的计算机与电气工程系和计算机科学系的副教授。他的研究兴趣主要包括数据挖掘，机器学习，和多媒体系统。从2000年起，他在这些领域发表了170多余篇期刊论文和会议论文，并获得2篇最佳论文奖和1篇最佳学生论文奖。朱博士是IEEE Transactions on Knowledge and Data Engineering的副主编（2008-2012），现在任职于International Journal of Social Network Analysis and Mining（SNAM）编辑委员会（2010-至今）和Network Modeling Analysis in Health Informatics and Bioinformatics Journal（2014-至今）。他在14th IEEE International Conference on Bioinformatics and BioEngineering（BIBE-2014），IEEE International Conference on Granular Computing (GRC-2013)，23rd IEEE International Conference on Tools with Artificial Intelligence (ICTAI-2011)，和the 9th International Conference on Machine Learning and Applications (ICMLA-2010) 担任过或者正在担任程序委员。他还担任过ICMLA-2010会议共同主席。