预测科学研究热点趋势：微软 · 清华学术画像赛开始了！

扫描二维码，或点击「原文链接」浏览比赛详情

· 组织

联合组织： 清华大学、微软、中国人工智能学会、IEEE、Computer Society、中国工程院知识中心、清数大数据产业联盟（微信公众号“TH数据派”：ID：datapi）、华章图书、Paperweekly（微信公众号：Paperweekly）

全世界有多少科研工作者？

1亿人。

这些学者一共发表了多少篇论文？

3亿篇。

这些论文中，被语义标注的有多少？

只有3%。

论文数据囊括了大量的知识，隐含了科技的进步和人类发展的趋势，如果可以更好地利用这些数据，可以更深入地了解人类知识的进展和边界。

最近，微软和清华大学，联合 IEEE 计算机协会、中国工程院知识中心、中国科学院文献情报中心、中国人工智能学会，以及 IEEE 中国代表处等机构。举办「2017 开放学术精准画像大赛」，寻找数据分析高手。比赛从 9 月 18 日正式启动，在 9 月 14 日比赛结束前，你可以随时参赛。

这是研究机构首次开放如此规模的学术标注数据。同时，主办方还准备了约 ￥20 万的总奖金以及来自微软的神秘周冠军礼品。

倘若奖金什么的不足以打动你，那么有机会接触到那么多标注好的学术数据，来分析汇聚人类智慧最前沿的数据吧！听起来是不是有点酷？

下面是比赛的详细介绍。感兴趣的同学，赶紧点击原文链接进入大赛官网报名吧！

· 赛题描述

参赛选手根据学术数据挖掘系统 AMiner.org 和 Microsoft Academic Graph 提供的数据集，提取学者的个人描述信息，分析学者的研究兴趣，以及预测学者的论文引用情况，从而更好地面向学术界提供专家信息、评估学者研究成果、介绍科学研究进展、展示学术发展动态。任务具体描述如下：

任务 1: 学者画像信息抽取

学者画像信息具体包括学者的主页地址、性别、职位等。随着互联网越来越普及，与学者相关的网页的数量和内容的丰富度和复杂度都大大增加，其中包含了学者的大量冗余信息，通过整合互联网上多种来源的学者数据，采用合适的机器学习模型，获得学者的精准信息是一项潜在有效的学者画像技术。

任务 2: 学者兴趣标签预测