邊緣云創(chuàng)新Lab 邊云協(xié)同終身學(xué)習(xí)中多任務(wù)定義相關(guān)論文發(fā)表于ACM數(shù)據(jù)挖掘頂會ACM CIKM

2022年10月17日，邊緣云創(chuàng)新Lab 邊云協(xié)同終身學(xué)習(xí)中多任務(wù)定義相關(guān)論文發(fā)表于ACM數(shù)據(jù)挖掘頂會ACM CIKM 2022

ACM CIKM會議是信息檢索和數(shù)據(jù)挖掘領(lǐng)域頂級學(xué)術(shù)會議。本屆CIKM會議共收到投稿920篇，其中錄用論文193篇，錄取率僅為20.98%。在如此嚴(yán)格的評審錄用流程中，對本論文，ACM CIKM Technical Program Committee 分區(qū)主席及評審委員全員表達(dá)接收意見（Accept x 2，Weak Accept x1）。本論文《Towards Edge-Cloud Collaborative Machine Learning: a Quality-aware Task Partition Framework》提出任務(wù)定義新問題及其框架，為邊云協(xié)同終身學(xué)習(xí)領(lǐng)域添磚加瓦。

近年來，為現(xiàn)實世界服務(wù)的邊云協(xié)同任務(wù)如雨后春筍逐步涌現(xiàn)，并引起了全世界的關(guān)注。然而，由于邊緣的數(shù)據(jù)異構(gòu)，即便最先進的邊云協(xié)同機器學(xué)習(xí)服務(wù)仍然不是那么可靠，在邊緣通常可以訪問混合訓(xùn)練集，該訓(xùn)練集本質(zhì)上是從基礎(chǔ)任務(wù)的各種分布中收集的。查找需要從給定數(shù)據(jù)集顯示的此類隱藏任務(wù)稱為任務(wù)定義問題。手動任務(wù)定義通常昂貴、不可擴展并存在偏見。因此，邊緣云創(chuàng)新Lab的研究者們創(chuàng)新性地提出了質(zhì)量感知的任務(wù)分區(qū)（QTP）問題，其中最終任務(wù)是根據(jù)任務(wù)模型的性能定義出的。據(jù)我們所知，這項工作首個研究聚焦任務(wù)質(zhì)量的QTP問題。研究者開發(fā)了一種多項式時間算法，基于57臺真實攝像頭數(shù)據(jù)的案例研究顯示了算法的優(yōu)越性。與STOA基線相比，TFForest的F1分?jǐn)?shù)平均高出9.2%，部署新攝像頭時需要的樣本減少43.1%?？蚣艿牟糠执a已開源到KubeEdge-Sedna邊云協(xié)同終身學(xué)習(xí)框架。