在深夜的灯火通明中，我沉浸于数据挖掘领域的两大盛会——CIKM 2019和ICDM 2019，这两个会议如同星辰大海，吸引了无数研究者的目光。它们不仅因为地点相同（国家会议中心）而显得格外特别，更因为它们是CCF B类会议，对我来说，它们代表着知识的宝藏。

CIKM与ICDM虽同为CCF B类，但却各有千秋。前者由ACM主办，覆盖范围广泛，包括数据库、信息检索和数据挖掘三个领域；而后者则是IEEE举办，更专注于数据挖掘。在这两个盛会上，我有幸聆听到韩家炜教授，即数据挖掘领头人，他将其研究成果分别以《From Unstructured Text to TextCube: Automated Construction and Multidimensional Exploration》（@CIKM2019）和《Embedding-Based Text Mining: A Frontier in Data Mining》（@ICDM2019）的报告形式呈现。

面对现实世界中的庞大非结构化数据，我们迫切需要一种方法，将这些文本转化为可用的知识。目前，我们通常依赖劳动密集型方法进行打标签，但这种方法虽然短期内有效，却无法长久扩展，尤其是在企业级高动态且领域相关的文本数据面前。

韩家炜教授认为，无需惊慌，因为大量文本自身蕴含着丰富隐模式、结构和知识。他提议借助domain-independent 和 domain-dependent 的知识库探索如何将无结构化的大量文本转换为结构化的知识。这条路线，如图所示，是他过去以及未来研究的主线：

要将现有的无结构大数据变成有用的知识，首先要做的是将其结构化。这就是他的两种方式：异质网络（Heterogeneous Network）和文本立方体（Multi-dimensional Text Cube）。通过这种结构化生成的知识已经证明强大，但如何从原始无结构转变为有结构，则是挑战之处。

在Network/Text Cube 到 Knowledge 的问题上，他已取得许多成果，并获得了奖项。在无结构文本到有构建 Network/Text Cube 的道路上，他们也付出了努力并取得了一些进展，现在仍在继续探索。韩家炜认为这是一个漫长过程，他们只是刚刚开启一扇门，还远未走完这条康庄大道，而这一切都需要国际学者共同努力才能实现。

不同于追求热点，韩家炜教授致力于十年如一日地去打通从无到有的那条康庄大道，因此他的脉络清晰连贯。我曾整理过他的一篇演讲文章《韩家炜在数据挖掘上开辟的「小路」是什么》，值得参考。而随着时间推移，他团队不断融入最新研究进展，比如BERT、Spherical Text Embedding等，这些请查阅他近期发表论文。此外，在2018年初，他提到的书籍已经出版，如今站在2019年的末尾，他又发布了新书，如《Mining Structures of Factual Knowledge from Text》、《Multidimensional Mining of Massive Text Data》等。

此次报道结束，让我们再次感谢雷锋网 AI 科技评论提供给我们的独特视角，也期待未来更多关于这个领域精彩内容。