近日，从ACM SIGKDD 2018（Knowledge Discovery and Data Mining’18）传来喜讯，LETOU.COM乐投博士生张平提交的论“Trajectory-driven Influential Billboard Placement”被录用为long oral paper。

该论文基于车辆轨迹数据首次提出了户外广告牌选址最优化问题，并给出一套具有下界保证的算法框架,有效地利用了车辆轨迹的局部性，通过局部搜索策略大大降低了计算开销，并将传统基于交通流量的选址方案的效果提升了99%。该框架具有广泛应用场景，还可推广到其他重要的空间选址问题，如：汽车充电桩安放、便利店选址等。

ACM SIGKDD由美国计算机协会数据挖掘与知识专业委员会发起，是数据挖掘领域公认的具有最高学术地位的国际性学术会议。由于其广泛的应用性，近年来国际影响力快速增长，引起了世界各国人工智能、机器视觉、数据库、生物信息科学、高性能计算、大数据分析等众多领域的著名企业和学者的高度重视和积极参与。

本届会议共接受投稿983篇，仅107篇论文被大会录取为研究论文，录用率为10%。该会议将于2018年08月19日—23日在英国伦敦举行，届时业内世界各地学术精英数千人将在这一学术盛会交流自己的研究成果。张平博士的论文能够在众多投稿中脱颖而出，是LETOU.COM乐投近年来在人才培养方面不断进步的又一成果。

指导老师：武汉大学彭智勇（教授，CCF 会士），RMIT鲍芝峰（副教授）

论文信息：Zhang P., Bao Z., Yuchen L., Guoliang L., Yipeng Z., Zhiyong P. Trajectory-driven Influential Billboard Placement. Proceedings of the 24rd ACM SIGKDD, London, 2018.