韩家炜：数据挖掘第一人

韩家炜

本报记者 王静

在走进美国伊利诺伊大学香槟分校之前，不曾听过“韩家炜”这个名字。当记者向学生们表示，有时间很想拜访这里几位华裔科学家时，学生们立刻推荐：“你应该去见见韩家炜。”

“他有"数据挖掘第一人"之称，是伊利诺伊大学香槟分校具有国际影响力的著名科学家，我们很多学生都选了他的课。”

“我上个月去听了韩家炜教授的讲座，果然是学术大牛，分析问题一针见血，讲述道理深入浅出，原先对数据挖掘领域许多一知半解的问题都豁然开朗。”一个园艺设计专业的中国留学生介绍。

记者立刻从网上查询，键入“韩家炜”。维基百科上有这样的介绍：韩家炜，现为美国伊利诺伊大学香槟分校计算机系教授，美国计算机协会会士和IEEE会士。1949年出生于中国上海，1979年毕业于中国科技大学，1985年获美国威斯康星麦迪逊大学博士学位，2009年成为国际电气电子工程师学会麦克道尔奖（the McDell Award）得主。著有Data Mining：Concents and Techniques（《数据挖掘：概念和技术》）。

除了著作和授课教程外，网上没有任何有关他的报道。

抱着试一试的想法，记者查到了韩家炜的电子邮箱，并发出了拜访愿望。没料，第二天打开邮箱就收到了回复。他将参加学生毕业典礼仪式，届时可以在计算机系大楼找到他。

绿地上的敬意

春夏之交的北美大地，气温起伏变化无常，乍暖还寒。此时正值毕业季，身穿学士、硕士或博士服的学生们，一个个满脸笑容，三五成群忙着在图书馆、教学楼、体育馆、实验室等各处留影。

接近中午11点，计算机系博士毕业典礼开始。在宽敞的计算机系大楼，记者很快发现了韩家炜。他身着白色衬衣，手举半杯红酒，正在旋转楼梯后轻声与人交谈。

记者走向前去自我介绍后，他立刻找到了一张靠窗的小桌，让记者一起坐下来，招呼着不妨先进行自助午餐，边吃边谈。

但刚刚拉开话题，几个身穿博士长袍的学生就走了过来，要求与他合影，记者只好在一旁等候。一拨照完，又一拨前来，韩家炜无法拒绝。还有一批博士约十余人，干脆将韩家炜请出了大楼，选了一块草地，以大楼为背景，先集体合影，然后一个接一个地单独与他照相后，才让他回到小桌来。

他所在计算机系现在有400多名研究生，仅去年和今年他本人有十多个学生毕业，有的去了其他大学任职，有的去了公司。这些学生，最近几天陆续从各地飞回学校参加毕业典礼，他不能不听命。

但不等记者提出第二个问题，采访再一次被打断：来访者是一名中国学生，带着其父母一起到来。为了感谢，他们带着几件自己动手做的小礼物赠送给了韩家炜。聊了一阵后，全家与韩家炜合影后才作罢。

显然，不同肤色的学生对韩家炜都心怀敬意。

从计算机到大数据

韩家炜的《数据挖掘：概念和技术》一书目前已第三次印刷出版，是国内外数据挖据领域的经典教材，记者不禁对他如何走上科研而感到好奇。

“我在"文革"期间读高中，本科没学习理工科。恢复高考后，直接报考了中国科技大学的研究生，也仅读了一年。1978年邓小平访美，中美7月建交，我8月份来美国学习。”他简单地回忆起自己走过的路。

他介绍，中国改革开放初期没有计算机，而美国在上世纪70年代初各大学开始成立的计算机系，大多从数学或电机系分离而来。他留学之前的威斯康星麦迪逊大学也是刚刚才建立了计算机系。读博士期间，韩家炜才确定研究方向考虑到研究方向的发展前景问题，最初他做计算机数据库的专家系统，随后又选择了关联数据库作研究。

如今，做数据挖掘是因为网络数据愈来愈多，信息愈来愈丰富，且多样化。而其中有意义的知识是什么呢？

韩家炜说，数据—信息—知识是一个自然而然的过程，他们的研究是把其中挡路的东西从机器里挖掘出来，这就是一个研究方向。“网络平常是人与人的联系，数据挖掘可以让人与其他东西联系起来，有人有物，这样比较容易找到系统性的准确的知识。”

他进一步举例，如研究人员的工作，有论文、作者、关键词等，如果把论文里关键词等全部连起来，可能有成千上万个数据。那么，这个领域有多少分支，如何演化，就很容易发现了。再如电影，有导演、评价等，如都能连起来，就能统一，很容易抓住知识。

技术前沿者的挑战

一直站在技术前沿的韩家炜，是否也会遇到挑战？

“主要困难在于有的数据涉及隐私，有些组织有保密性，如何保证不泄密，这是最大的挑战。”他坦承。

就学术而言，目前关于数据的挖掘，若数据量大，则有效率提高的问题；若数据比较少，尚要了解深层次的内容。如何把知识挖出来，有很多需要研究的问题。

他认为，目前数据挖掘领域主要需要解决的问题并不少。

数据挖掘尚缺乏统一的理论支持；随着分析的数据越来越复杂，所需要关注的维度也越来越多，而对于性能的要求也越来越高；目前的数据挖掘针对数据的处理通常都是不考虑时间序列的，但是对于许多有时限的交易数据，需要考虑时间维度的影响；目前的数据挖掘技术还仅仅只能从简单数据中挖掘较简单的逻辑；网络技术的广泛应用对于数据挖掘技术提出了新的要求，大量的数据存在于网络云中，需要新的方法支持；分布式挖掘是解决大型数据挖掘的必由之路，而基于agent的智能系统能够降低人工的参与度；针对特定领域的数据挖掘问题，例如针对生物领域的基因挖掘，以及针对环境方面的自然因素挖掘有待拓展；数据挖掘虽然有许多方法，但是尚缺乏统一的流程管理；对于动态的、非平衡的、成本敏感的数据，目前尚缺乏良好的处理方法。

为了迎接这些挑战，韩家炜每年都招收中国学生，他们都是百里挑一的报考人数达200名，而能够成为他学生的仅有约4人。不过，这些伊利诺伊的中国留学生知道，想成为他的学生不容易，但只要选他的课，就有机会学习他的思维和方法，也同样很开心。

《中国科学报》 (2013-06-21 第7版 学人)

原文地址：http://tech.hexun.com/2013-06-21/155376037.html