时间:2022年8月20日 14:00-17:00
论坛联合主席:邹国兵,上海大学
宋巍,南京理工大学
论坛简介:
服务计算作为跨越计算机与信息技术、商业管理、商业咨询服务等领域的一个新的学科,伴随物联网、云计算、边缘计算、区块链、人工智能和大数据等研究和应用的快速发展,已成为多学科共同关注的热点研究领域。国内外研究者围绕服务科学理论、服务经济与政策、服务运作管理与保障、服务工程方法论、服务计算支撑技术和面向服务的跨领域应用等多个方面取得了许多优秀成果。在此背景下,本学术论坛拟邀请在服务计算顶会顶刊(如IEEE TSC/TPDS/TMC/TCC/TNSM、IEEE ICWS和ICSOC等)发表高影响力的论文作者,汇报服务计算近几年热点问题和研究成果,并针对顶会顶刊论文的问题凝练和投稿方向等内容开展讨论,为广大服务计算科研工作者搭建顶会顶刊论文投稿和成果发表的学习与交流平台。
论坛日程安排
时间 | 主题 | 报告人 |
14:00-14:05 | 开幕式(邹国兵,副教授,上海大学) | |
14:05-14:35 | 基于逆向拍卖的D2D服务供应机制 | 吴洪越,副教授,天津大学 |
14:35-15:05 | Cost-Effective and Latency-minimized Data Placement Strategy for Spatial Crowdsourcing in Multi-Cloud Environment | 王鹏伟,副教授,东华大学 |
15:05-15:35 | 基于图注意力机制的服务分类与推荐方法 | 曹步清,教授,湖南科技大学 |
15:35-15:50 | 中场休息 | |
15:50-16:20 | Cost Optimization for Two-Tier Cloud Storage | 潘丽,副教授,山东大学 |
16:20-16:50 | 多图融合的城市区域表示学习方法研究 | 范晓亮,高级工程师,厦门大学 |
16:50-17:00 | 交流讨论(宋巍,教授,南京理工大学) |
论文报告简介
论文报告1:基于逆向拍卖的D2D服务供应机制
报告摘要:D2D服务是指借助D2D通信技术实现的终端设备之间直接交互的新型服务计算模式。由于服务数据在终端之间直接传输,该模式可以实现高速率、低能耗、低时延、个性化的服务交互。同时,D2D服务交互面临着服务供应激励、服务匹配、服务高效供应等方面的问题。本文针对D2D服务面临的这些问题,提出了基于逆向拍卖的服务供应机制,利用VCG方法实现了服务请求和服务提供者的最优匹配。引入密度控制理论,根据服务供求关系,提出了D2D服务的定价模型和方法。最后,设计了面向移动终端设备的服务调度方法,实现D2D服务的高效供应。
报告人简介:吴洪越,天津大学智能与计算学部副教授,硕士生导师。2018年博士毕业于浙江大学计算机科学与技术学院,2017-2018年澳大利亚悉尼大学联合培养博士。主要研究方向为服务计算、边缘计算、移动云计算等。主持或参与多项国家重点研发计划、国家自然科学基金、中国博士后科学基金、天津市自然科学基金等项目。在IEEE TPDS、IEEE TSC、IEEE TASE等权威期刊,以及ICSOC、IEEE ICWS等领域国际会议上发表学术论文二十余篇。2017年获ICSOC最佳论文奖。
论文报告2:Cost-Effective and Latency-minimized Data Placement Strategy for Spatial Crowdsourcing in Multi-Cloud Environment
报告摘要:As an increasingly mature business model, crowdsourcing, especially spatial crowdsourcing, has played an important role in data collection, disaster response, urban planning and other fields. However, the rapid growth of user scale and massive data collected inevitably brings serious challenges to computing and storage resources. The emergence of cloud computing provides an opportunity to handle such challenges. Its nearly unlimited resource provision capability can provide reliable services for different crowdsourcing applications. Nevertheless, considering the risks of privacy leakage and vendor lock-in using only a single cloud, as well as the additional restrictions caused by the wide geographical distribution of data and associations among workers, the use of multi-cloud seems to be a better choice. In this paper, we define a problem to find an effective data placement scheme for spatial crowdsourcing in multi-cloud environment to achieve the cost-effectiveness and minimal latency. We take full account of the interval pricing strategy. Then we analyze the geographical distribution characteristics of data centers through a clustering algorithm, and propose an effective data initialization strategy. Finally, we use a genetic algorithm to further optimize the results. Through experiments on real-world data from cloud providers, the efficiency and effectiveness of our proposed method is verified. Compared with some existing algorithms, the proposed method can significantly reduce the system cost and latency.
报告人简介:王鹏伟,东华大学计算机科学与技术学院副教授。2013年博士毕业于同济大学嵌入式系统与服务计算教育部重点实验室,2015年博士后完成于意大利比萨大学计算机科学系。研究方向包括云计算与边缘计算、服务计算、数据智能及其在网络交易风险防控中的应用等。担任中国计算机学会服务计算专委会执行委员、中国自动化学会网络信息服务专业委员会委员等。近年来在IEEE TCC、TSC、TSMC、TASE、ICWS、SCC、ICPADS、ISPA等国内外重要学术期刊和会议上发表论文80余篇,出版《网络计算》学术专著1部,申请国家发明专利40余项。主持承担了国家自然科学基金、上海市科技创新行动计划高新技术项目等近十项国家与省部级科研项目。入选了上海市青年科技英才扬帆计划、东华大学“励志计划”等人才项目,获得上海市技术发明一等奖、人工智能学会优秀科技成果奖、上海市优秀博士学位论文等多项奖励。
论文报告3:基于图注意力机制的服务分类与推荐方法
报告摘要:近年来,图注意力机制被广泛应用于深度学习方法中,它可以使用自注意力机制来计算邻居节点的不同注意系数。将特征和注意系数线性组合,可以根据相邻节点的贡献更好地聚集特征。本次报告拟从服务表征角度出发,研究并利用图注意力机制,探讨融合同构图注意力网络表征与异构图注意力网络表征的服务分类方法以及面向服务质量预测的服务推荐技术。
报告人简介:曹步清,湖南科技大学计算机科学与工程学院教授、副院长、博士生导师,湖南省青年芙蓉学者。主要从事面向服务的软件工程、服务计算与移动边缘计算等方面的研究工作。主持2项国家自然科学基金和10余项省部级或企业委托项目,在IEEE TSC、IEEE TNSM、IST、JPDC、计算机学报、软件学报等国内外期刊和ICWS、SCC等国际会议上发表学术论文100余篇,荣获最佳论文或最佳学生论文奖6次。现为CCF服务计算和协同计算专委会委员,《International Journal of Cloud Computing》杂志编委,曾任YOCSEF长沙学术委员。
论文报告4:Cost Optimization for Two-Tier Cloud Storage
报告摘要:Storage-as-a-Service clouds generally offer both hot and cold storage tiers with different pricing options. Hot tiers provide a higher storage price but a lower access price, and vice versa for cold tiers. The pricing differences between hot and cold tiers bring an opportunity for cloud users to reduce their costs. For example, users can store infrequently accessed data in the cold tier and frequently accessed data in the hot tier and then dynamically migrate data between these two tiers for cost optimization. However, the strategy in the example requires the knowledge of future access patterns in advance which are difficult to predict precisely. With unknown future access patterns, inappropriate migrations will incur additional costs instead of cost savings. Therefore, how to cost-effectively migrate data between hot and cold tiers without any knowledge of the future is a challenge for cloud storage users to optimize costs and has attracted extensive attention from both industry and academia.
报告人简介:潘丽,山东大学软件学院副教授,博士生导师,主要从事云计算、服务计算、云制造、智能制造等方面的研究。作为负责人承担/完成国家自然科学基金、国家重点研发计划(子课题)、科技部创新方法工作专项(课题)、山东省自然科学基金、山东省重点研发计划等多个国家、省部级项目,近三年在国内外顶级期刊/会议软件学报、IEEE Trans. Network Science and Engineering、IEEE Trans. Network Science & Engineering、Future Generation Computer Systems、Knowledge-Based Systems、ICWSS、ICDCS、ICSOC等上发表论文20余篇,取得山东省科技进步二等奖两项。
论文报告5:多图融合的城市区域表示学习方法研究
报告摘要:城市区域的图表示学习研究利用人群移动等复杂时空数据,不仅能够有效地揭示区域活力和区域功能性,而且将赋能犯罪率预测、土地利用类型预测和社交网络签到预测等跨域下游任务。然而,现有城市区域表示学习方法普遍面临模型的泛化表示学习能力弱、难以在多种移动模式之间开展高效联合学习等迫切研究挑战。本文设计了多图融合的城市区域表示学习机制(简称MGFN),以揭示城市复杂时空数据背后的通用嵌入表示模式,并对其下游任务的未来状态给出近似估计。本次报告将介绍团队IJCAI-22接收论文“Multi-graph Fusion Networks for Urban Region Embedding”的主要工作,并探讨本领域研究趋势、创新应用和发展思考。
报告人简介:范晓亮,厦门大学信息学院高级工程师、硕士生导师,数字福建城市交通大数据研究所(厦门大学)常务副所长。法国索邦大学(前巴黎六大)计算机科学博士(2012),兰州大学计算机科学学士(2004)。厦门市高层次人才。研究兴趣:可信AI、联邦学习、服务计算。主持2项国家自然科学基金和10余项省部级或企业委托项目。在AAAI、IJCAI、UbiComp等CCF A类会议和IEEE TMC/TITS/TSC等期刊发表论文70余篇,1篇论文入选AAAI-2020最具影响力论文;授权发明专利12项(含专利权转让2项),出版译著1部。担任ICML/NeurIPS/AAAI/IJCAI等会议PC和IEEE TKDE/TMC/TITS/TSC/TIST/TBD等期刊审稿人。获2018年福建省科技进步一等奖、CSC-IBM中国优秀教师奖教金、厦门大学奖教金(2022)、法国埃菲尔卓越博士奖学金。IEEE高级会员,IEEE教育数据挖掘工作组副主席,中国计算机学会CCF高级会员,CCF服务计算专委会执行委员、CCF普适计算专委会执行委员。
论坛联合主席简介
1、邹国兵,上海大学计算机工程与科学学院副教授、博导
个人简介:2012年博士毕业于同济大学获计算机应用技术博士学位。2009-2011年在美国华盛顿大学(Washington University in St. Louis)计算机科学与工程系人工智能实验室从事智能服务软件研究工作。上海大学计算机科学与技术系主任、服务计算与数据挖掘实验室负责人。担任中国计算机学会服务计算专委会执行委员、曾任上海市计算机学会人工智能专委会秘书长。主要从事服务计算、边缘计算、数据挖掘与智能算法、推荐系统等方向的研发工作,发表学术论文90余篇,包括IEEE TSC、IEEE TNSM、IS、KBS、ICSOC、IEEE ICWS和AAAI等。目前,正在主持1项科技部国家重点研发计划项目(课题负责人,课题经费660万元)、核心参与完成了1项科技部国家重点研发计划项目子课题(项目经费8985万元)、曾主持完成了国家自然科学基金、上海市自然科学基金和教育部博士点基金等各类纵向科研项目10余项。作为项目负责人,完成了15余项政府和大型企业的信息化平台建设项目,其中面向可回收物的智能投放大数据服务平台线上交易2000余万元,产生了显著的经济和社会效益。
2、宋巍,南京理工大学计算机学院教授、博导
个人简介:南京理工大学教授、博导,现为中国计算机学会高级会员,IEEE Senior Member。研究方向包括服务计算、软件工程等。在服务计算领域,主要关注于服务组合和工作流等方面的研究,围绕“过程分析与挖掘”这一主题所涉及的若干关键基础问题展开研究,取得了系列性研究成果:2016 年受邀参加国际计算机顶级论坛 Schloss Dagstuhl并做报告。近五年来,在ASE、ESEC/FSE、ICSE等CCF A 类会议以及TSE、TSC等Trans期刊上共发表论文25篇。
版权所有:中国计算机学会技术支持邮箱:conf_support@ccf.org.cn