人工智能产业为中国经济发展提供战略新动能，是引领中国经济发展的重要战略抓手。但由于人工智能与实体经济尚处于初步融合的阶段，推动各产业高质量发展仍面临诸多问题。为深入把握新一代人工智能发展的特点，充分发挥人工智能的头雁效应，本次论坛将针对人工智能在电子商务和金融等典型领域的应用，探讨人工智能与经济管理学科的交叉研究，以期促进人工智能与实体经济的深度融合。
论坛时间：2021年11月3日（星期三）14:30-17:30
特邀讲者：张自立 教授、姜广鑫 教授、张晓峰 副教授、丁效 副研究员
论坛地点：一校区活动中心 216
主 持 人：冯骁骋 副教授、刘建伟 助理研究员
论坛安排：
14:30-14:40
计算学部主任 刘挺 教授致辞
经管学院院长 叶强 教授致辞
14:40-15:10
1. 报告一题目： Consumption Experience Forgetting: Investigation and Implications
报告摘要：Prior work on forgetting over time is largely based on lab experiments and has mainly focused on indirect-experience-related information such as advertising and other second-hand information. Little research has investigated the forgetting of direct consumption experiences, and the literature also lacks insights on its impact on consumer behavior, missing the opportunity to potentially improve important outcomes such as revisit and sales by understanding and managing the memory of direct experiences of consumers. This study conducts a large-scale empirical study to understand the forgetting of direct consumption experience based on a unique dataset of dining bookings and reviews, considering reviews as a voluntary and free recall of direct experiences. The results show that for the same consumer, reviews are shorter and more subjective, contain fewer topics and less details as the retention interval between experience time and recalling time increases. The results also indicate that the forgetting rate is higher for negative experiences and weekend experiences, and repetitions reduce the forgetting rate. Additionally, this study finds that for a given consumer, there is a facilitation effect of experience retention in the form of online reviews on her revisit behavior, and for a restaurant, there is a curvilinear relationship that takes the shape of an inverted U between review length and sales (proxied by online booking volume). This study is among the first in the emerging literature using a large-scale observational data to investigate the forgetting of direct consumption experiences, and results have substantive managerial implications for managers and review platforms.
讲者简介：张自立，哈尔滨工业大学经济与管理学院教授、博士生导师，研究方向为商务数据分析、数字经济、信息系统、行为金融等，主持国家自然科学基金3项、教育部基金3项等，在国内外主流管理学期刊发表论文10余篇。
15:10-15:40
2. 报告二题目：Solving Large-Scale Fixed-Budget Ranking and Selection Problems
报告摘要：In recent years, with the rapid development of computing technology, developing parallel procedures to solve large-scale ranking and selection (R&S) problems has attracted a lot of research attention. In this paper, we take fixed-budget R&S procedure as an example to investigate potential issues of developing parallel procedures. We argue that to measure the performance of a fixed-budget R&S procedure in solving large- scale problems, it is important to quantify the minimal growth rate of the total sampling budget such that as the number of alternatives increases, the probability of correct selection (PCS) would not decrease to zero. We call such a growth rate of the total sampling budget the rate for maintaining correct selection (RMCS). We show that a tight lower bound for the RMCS of a broad class of existing fixed-budget procedures is in the order of k log k. Then, we propose a new type of fixed-budget procedure, namely the fixed-budget knockout-tournament (FBKT) procedure. We prove that, in terms of the RMCS, our procedure outperforms existing fixed-budget procedures and achieves the optimal order, i.e., the order of k. Moreover, we demonstrate that our procedure can be easily implemented in parallel computing environments with almost no non- parallelizable calculations. Lastly, a comprehensive numerical study shows that our procedure is indeed suitable for solving large-scale problems in parallel computing environments.
讲者简介：姜广鑫，哈尔滨工业大学经济与管理学院管理科学与工程系教授。研究方向为随机模型与仿真、机器学习、金融工程与风险管理、金融科技等，多篇文章发表在管理领域著名期刊 Operations Research, INFORMS Journal on Computing, IEEE Transactions on Automatic Control, Naval Research Logistics等。目前担任中国管理现代化研究会理事、中国运筹学会金融工程与金融风险管理分会理事、副秘书长，期刊 Asia-Pacific Journal of Operational Research 副编辑（Associate Editor）等职务。
15:40-16:00 茶歇
16:00-16:30
3. 报告三题目：基于深度学习的股价预测及金融研报生成方法研究
报告摘要：随着人工智能特别是深度学习的快速发展，越来越多的应用研究问题开始应用深度学习技术。本次报告将围绕如何设计深度学习模型来进行金融领域相关问题的探索性尝试，包括设计深度学习模型进行时序价格预测、事件驱动型时序价格预测、事件型金融研报生成方法研究。在时序价格预测方面，报告将围绕如何刻画不同市场如美股、港股、A股之间的价格影响关系，来预测时序价格。在事件型时序价格预测方面，我们尝试同时刻画事件与股价的共振关系，从而设计模型进行预测。在事件型金融研报生成研究方面，我们对输入短新闻进行合理的信息补充，并针对短新闻来生成较长的研究型报告。
讲者简介：张晓峰，哈工大深圳研究生院副教授，博导。2008年2月毕业于香港浸会大学计算机科学技术系，获哲学博士学位。研究方向为数据挖掘、金融数据挖掘、机器学习、人工智能等。加拿大里贾纳大学计算机科学系访问学者。人工智能领域顶级会议AAAI，IJCAI高级程序委员，人工智能领域多个顶级期刊审稿人，在国际顶级、重要会议、期刊发表论文五十余篇，主持国家自然科学基金面上项目、国家科技支撑计划子课题、广东省产学研基金、深圳市重点学科布局项目、深圳市基础研究项目等十余项，主持多个横向项目。
16:30-17:00
4. 报告四题目：事件驱动的金融市场行情预测
报告摘要：人工智能技术已广泛应用于商业决策系统中，并有效驱动企业产能、效率等方面的提升。文本驱动股市涨跌预测技术越来越受到学术界和工业界的广泛关注。然而，如何从文本中获取到影响股市波动的事件以及如何对抽取到的结构化事件进行表示学习一直是这一方向的研究重点及难点问题。本次报告主要介绍：1）知识增强的事件表示学习方法及其在金融市场行情方面的应用；2）金融事理图谱的构建及其应用。
讲者简介：哈尔滨工业大学副研究员。主要研究方向为人工智能、自然语言处理、文本推理和事理图谱。在ACL、AAAI、IJCAI、EMNLP、TASLP等人工智能领域的著名国际期刊和会议上发表相关论文30余篇。承担多项国家自然科学基金等省部级以上项目，参与国家重大科技基础设施建设项目、“新一代人工智能”重大项目、国家自然科学基金重点项目等多个科研项目。荣获黑龙江省科技进步二等奖、SemEval 2020国际语义评测“检测反事实陈述”任务第一名。担任中国中文信息学会社会媒体处理专委会秘书、常务委员，语言与知识计算专委会委员，中国中文信息学会青年工作委员会委员。
17:00-17:30 Panel讨论
主题：管理学与人工智能的交叉融合
主办方
哈工大计算学部
承办方
黑龙江省人工智能头雁团队
仲荣论坛介绍
哈工大是我国最早开展人工智能研究的高校之一。1958年，哈工大计算机专业师生研制成功中国第一台能说话、会下棋数字计算机，时任国家副总理的邓小平同志到哈工大参观了这台计算机，在全国引起强烈反响，被誉为中国人工智能的起点。20世纪80年代初，哈工大计算机专业以李仲荣教授为首，开展了声图文计算机智能接口、语音信号处理、文字识别、机器人足球、机器学习、汉英机器翻译等方面的研究工作，为哈工大在相关领域的发展和领先地位奠定了基础。
在随后的几十年内，哈工大涌现出一大批扎根东北、爱国奉献、造诣精深、勇于拼搏的高水平人工智能领军人才，现有教师队伍中有国家级人才4名，国家重点研发计划首席科学家2名，国家级青年人才6名。已研制出中国手语识别与合成、高效图像编码理论、AVS高效数字视频编解码技术、微软拼音输入法、中文语言技术平台LTP、中文知识图谱“大词林”等一大批标志性成果，获得国家科技奖4项。培养出了高文、张大鹏、徐雷、周明、陈熙霖、王海峰、吴枫等一大批杰出校友。据第三方统计，哈工大培养的人工智能人才的数量全国第一。根据2019年6月21日中国工程院中国新一代人工智能发展战略研究院发布的人工智能专业综合排名，哈工大排名第四位。
为打造世界一流的计算学科群，哈工大于2020年6月百年校庆之际组建了计算学部。2021年5月20日，学部决定组织“哈工大计算学部人工智能学科发展系列论坛”（简称“仲荣论坛”，以哈工大人工智能领域的奠基人李仲荣先生的名字命名）。由刘挺教授担任论坛主席，江俊君教授、冯骁骋副教授担任副主席。每期论坛选定不同执行主席，由学部内不同老师担任。论坛将以AI核心技术和AI+X交叉方向的技术热点和人才培养为话题，以凝聚学部内AI核心力量，厚培其根，根深才能叶茂；进而扎扎实实地推动学部内AI与计算学科群其他方向的交叉融合；同时与校内外其他学科的优秀学者合作深度交流与合作，共同推进AI+X学科的发展。
