2011年10月5日至7日，由芬兰阿尔托大学举办的第十四届发现科学国际会议(Fourteenth International Conference on Discovery Science , DS2011)在埃斯波市阿尔托大学的Dipoli国会中心召开。IDC实验室博士生段东圣赴芬兰埃斯波参加了本次研讨会。

发现科学系列国际会议源于由日本科学研究资助委（Grant-in-Aid for Scientific Research）在教育、科学、体育和文化等部门的优先领域发起的发现科学项目（Discovery Science Project）。发现科学项目起始于1998年，结束于2001年，开发了知识发现的新方法、搭建了服务知识发现的网络环境并建立了一个新的计算领域??发现科学。发现科学会议共经历14届，曾在日本、美国、德国、西班牙、匈牙利、芬兰、新加坡、葡萄牙、澳大利亚、芬兰等国家举办，是机器学习和人工智能等计算机研究领域中重要的国际会议。

本届研讨会主要讨论机器学习和人工智能等领域的理论和应用研究进展。从事机器学习和人工智能研究的国际知名学者共聚一堂，就自己最新的研究成果进行交流。共有来自美国普林斯顿大学、滑铁卢大学、马尔堡大学、达姆施塔特工业大学、蒙特利尔大学、赫尔辛基信息技术研究所等7位国际知名专家受邀参加了此次研讨会并在会上作了精彩而深入的报告。

来自IDC实验室的博士生段东圣在此次研讨会上做了题为MEI: Mutual Enhanced Infinite Generative Model For Simultaneous Community and Topic Detection的报告。报告主要讨论了一种在社会网络中同时探测群组和话题的新模型。该模型使得群组和话题在统一的模型里相互精练，并利用狄利克雷过程和分层狄利克雷过程自动探测群组和话题的个数。在DBLP数据上的实验表明MEI在文本泛化性能和链接预测性能都优于已有的模型。

研讨会邀请的机器学习和人工智能领域的专家学者发表了主题报告。主题报告中首先是来自普林斯顿大学的Sébastien Bubeck博士讲述Bandit问题，对该问题的理论研究进展做了详细的报告。然后是来自马尔堡大学的Eyke Hüllermeier教授和来自达姆施塔特工业大学Johannes Fürnkranz教授联合做了关于偏好学习（Preference Learning）问题的综述，对问题的分类、结果的评价试题、学习算法以及未来的研究方向都做了详尽的讲解。还有来自滑铁卢大学的Ming Li做了信息距离度量的相关报告，对信息尤其是文本信息之间的相似性做了系统性介绍，并介绍了他们提出的通用模型及其扩展模型。研讨会期间来自学术界的科研学者齐聚一堂，共同对于机器学习和人工智能领域现在存在的重要问题和发展趋势进行了探讨。