30出頭成為復旦博導，陳思明：敲代碼和寫詩，我兩樣都要

AMiner × 量子位 聯合出品

編者按：

陳思明，現為復旦大學青年研究員，博士生導師。

從復旦出發，到北京大學，再到德國，最后回到復旦任教。

他曾遠走見識天高海闊，也不忘初心，落葉歸根。

一路走來，無論是在數據可視化領域的學術追求，還是在生活上對人文興趣的探索，他一直用熱愛溫養時間，步步向前。

今年1月，在AMiner團隊推出的AI 2000榜單中，陳思明入選2022年全球可視化領域最具影響力學者。

我們有幸和他進行了一次深入對話。

電腦、旅行和詩歌

陳思明的主頁上寫著這樣一句話：“我喜歡電腦、旅行和詩歌。”

作為一個在數據可視化領域卓有成就的青年研究員，他熱愛著這些基于電腦的學術探索，同時，他在生活中，也喜歡用腳步丈量世界各處的角落，用詩歌文字表達自己的無限思緒。

電腦、旅行和詩歌，造就了今天這樣一個儒雅多元的他。

陳思明本科就讀于復旦大學，在他看來，復旦大學是“一個非常多元的地方”，而他也在本科期間，創造了自己的多元身份。

首先是在專業方面，那時他攻讀的是信息安全方向，成績一直名列前茅，并在大三暑期就由導師推薦進入北京大學機器感知重點實驗室實習。

這也為他畢業后選擇繼續在該實驗室完成碩博連讀的學業奠定了基礎。

此外，陳思明還對經濟學非常感興趣，大二時他就開始輔修經濟學的第二學位，“大二到大四的三年中，相當于是把所有晚上的時間都貢獻給經濟學的專業課了。”

所謂“少年心事當拿云”，憑借一顆求知的心，陳思明同時兼顧計算機與經濟學的學習，并均取得了優異的成績。

雖然辛苦，但扎實的學習也為他后來開展數據科學研究提供了不一樣的視角：

一開始我是希望了解一些基本的經濟學常識，但到后面做數據可視化研究時，發現自己能夠很快地去跟經濟相關的數據展開合作，現在我也會帶一些金融的碩士。而且具備了這種學科交叉的特點，我后來還有做包括經濟學、社會學、歷史人文等的數據研究。

或許正是這種“無心插柳柳成蔭”的心態，讓陳思明得以在多個領域走得更高更遠，例如詩歌的創作。

從小他就喜歡寫古詩、寫對聯，興趣愛好激發了他無限的熱情，高中時創建社團，慢慢地能夠出去參加對聯夏令營，到了大三，他還入選了中國青年詩聯組織。

直到現在，詩歌也是他生活中不可或缺的一部分，“平時程序碼多了，有自己的興趣愛好去換一種心情，是非常幸福的。”

而說到旅行，不得不提到他在德國留學的那段“幸福時光”。

2011年，陳思明以優異的成績從復旦大學畢業，并順利直博到北京大學深造，2017年，已經在數據可視化領域嶄露頭角的他決心去往更大的平臺。

進入德國波恩大學擔任博士后研究員，他同時還被聘為Fraunhofer Institute for Intelligent Analysis and Information Systems（IAIS）的Research Scientist，并得到該領域大牛Gennady Andrienko和Natalia Andrienko教授的指導。

留學期間，陳思明經常去往不同國家參與會議，豐富的參會經驗也讓他總結出了一套“從會議中汲取養分”的方法：每次參加會議前，他會事先做大量功課，提前閱讀相關文章，會議過程中，也一定會將議程研究透徹，并和?伙伴們共享?程，互相交流。

此外他還建議，聽取報告時要注意與自己的工作相關聯，與其他科研工作者交流時要學會展示自己的成果。

△陳思明在歐洲邊開會邊旅行

會議之余，陳思明總有一雙發現美的眼睛，他被各種各樣的美景所吸引，從此愛上“邊開會邊旅行”。“開會和風景是可以兼得的。我以前還年終總結過，每年去了四五十個城市！”

無論是冰島的極光、愛沙尼亞的運輸機還是北歐人蒸完桑拿跳進冰湖里的奇特習俗，都成為他在學術之旅上的“小確幸”。

△陳思明旅行途中拍攝的美景

D-Map 與E-Map

除了生活上的興趣，在學術研究中，陳思明也早早確立了自己的科研興趣，進入數據可視化領域時，他就堅信：“信息可以通過可視化得到廣泛的傳播。”

實際上，數據可視化與可視分析是一個比較新的學科，旨在把數據轉化為圖形圖像，通過靈活的人機交互，充分結合人的認知能力和機器的計算能力，提供對復雜數據的分析。

以陳思明的博士論文“Social Media Visual Analytics”為例，在諸如微博、Twitter等社交網絡平臺上，用戶之間存在著千絲萬縷的聯系，如何以讓人更容易理解的方式去展現出其中的聯系？

這就需要數據可視分析研究，陳思明等人將社交媒體大數據可視化為三大類：社會網絡可視化（用戶之間的聯系）、時空信息可視化和文本分析。

有了這些技術，社交媒體分析就可以同時應用于多個學科的可視化分析中。

（圖：社交媒體中的實體包括三個類別，每個類別又有三個子類別。作為網絡實體，用戶的社交網絡包括關注者網絡和轉發網絡，信息的擴散過程則記錄在擴散網絡中。對于地理信息，分析人員需要確定信息的轉發位置，以便分析時空信息擴散、檢測事件分布和分析人的軌跡。文本分析中，關鍵詞、主題和情感則是社交媒體信息的重要特征。）

這項工作的順利產出，其實也得益于陳思明此前發表的兩項重要成果——名為“D-Map”的語義地圖以及名為“E-Map”的空間演變地圖。

流行的社交媒體平臺可以通過社交網絡在大量人群中快速傳播重要信息，而陳思明等人提出了D-Map作為一種新的可視化方法，能夠通過地圖隱喻來對典型社交媒體信息擴散和傳播過程中的社會行為進行探索和分析。

在D-Map中，首先收集“轉發”信息的用戶并根據其行為相似性和轉發的時間順序映射為六邊形網格，再加上額外的交互和鏈接，D-Map就能夠生成有影響力用戶的視覺肖像，并描述他們的社交行為。

利用D-Map方法，可以可視化確定社交網絡中的關鍵參與者、重要信息的傳播途徑和社交社區之間的互動。

（圖：D-Map系統界面，包括（a）源微博列表圖、（b）源微博分布視圖、（c）D-Map社交互動圖、（d）社區雷達視圖、（e）分層視圖、（f）時間軸視圖、（g）微型多視圖）

而在社交網絡中，重大事件的傳播往往更加迅速和顯著，用戶的轉載和評論則提供了了解事件演變的良機。

因此，陳思明等人提出E-Map的視覺分析方法，使用類似地圖的可視化工具，幫助對重大事件的社交媒體數據進行多維分析。

E-Map能夠根據提取到的關鍵詞、消息和轉發行為轉換為城市、城鎮和河流等地圖特征，從而揭示重大事件演變的區域地理特征。

（圖：在由非結構化社交媒體消息構建的E-Map中，（a）城市由從事件中提取到的關鍵字表示，顏色變化梯度表示事件的時間演化；（b）城市周圍的城鎮是由特定關鍵詞的信息塑造的，Rivers代表了社交媒體用戶的轉載行為（例如轉發）。地圖上的用戶軌跡和聯系編碼了用戶討論不同主題的行為（黑色曲線）和信息擴散方向（灰色直線）；（c）E-Map還支持多層次的時空探索。）

厚積而薄發，直沖上青云。正是這幾項進入數據可視化研究時的扎實積淀，讓陳思明此后的學術之旅愈加精彩：社交媒體、時空數據與網絡安全、用戶行為可視分析、故事敘述和語義地圖可視分析等等，都見證了他前行的足跡。

此外，六次IEEE VAST Challenge數據挑戰賽一等獎、ChinaVis最佳論文獎等多項榮譽，也是對他科研成績的最大肯定。

喜歡的事情，更要努力去做

盡管一路走來，陳思明累積下不少優異成果，但不可避免地也曾遇到不得不放棄的研究。

剛進入博士學習時，他花了整整兩年時間做一個地震可視化的項目：

當時的設想是將地震的震源、震區等進行時空可視化預測，看了很多地震相關的書籍，也非常投入。

△地震可視化示意圖

但遺憾的是，直到博三該項目也未能順利產出成果，陳思明因此面臨著改換方向的問題，他開始思考：“我還對哪些領域非常感興趣？”

最終，他選擇了社交媒體這一載體，但此前所作的投入在他眼中，意義仍然非常深遠：

雖然表面上看，在第一個項目上投入了很多時間結果卻差強人意，但其實反過來想，我通過那個項目把科研的一些基本東西訓練好了，雖然沒有發出文章，但是該學到的知識都學到了，打下的基礎也是比較扎實的。

而談到三十出頭成為名校博導的“秘訣”，他認為自己和許多科研從業者一樣，都是“選擇了喜歡的事情，然后更加努力地去做！”這也是他希望能夠教會學生們的一種科研態度。

2020年，陳思明回到母校復旦大學任教，到現在，他的實驗室已經組成了幾十人的隊伍，面對更加年輕的血液的加入，他叫他們“小朋友”，也非常享受融入大家的感覺：

還記得帶第一屆學生時，我和學生們其實是一起在摸索和磨合，我喜歡和大家“一起玩兒”。

△陳思明與實驗室學生

不過在學業上，陳思明還是希望能夠帶領學生一起向前走。

開組會時，他首先會幫助學生定位出必讀論文，有時還會幫著搜索相關信息。此外，他還著重訓練學生從審稿人的角度讀論文：

我經常問小朋友們：假設你是審稿人，你看到文章主題，會想提什么樣的問題來質疑它，或者說你認同其中什么觀點？

通過這種反思，學生能夠更快更精準地發現自己文章中存在的問題，敏感度提高了，今后自己產出文章或者學習別人的文章時，效率也就提高了。

不過另一方面，陳思明也常常站在學生的角度思考問題，發現并理解他們的困境。例如面臨就業選擇時，他發現學生們常常迷茫：

我以前第一屆的小朋友，經常來我辦公室集體迷茫，其實我非常理解大家的處境，越往前走，有時候競爭會變得比較激烈，對自己以后做什么事情也不一定很清楚。

這時候我就教他們說，你可能不知道自己想做什么，但你大概率能知道自己不想做什么。那么反過來，可以先把那些不想做的排除掉，然后剩下的可以歸類為自己還比較喜歡的，這時候就還是那句話——喜歡的事情，努力去做就好。

而對于希望潛心科研的學生，他也在采訪中提到了三個必需的品質：

第一是培養獨立做科研的能力。

進行科學研究的過程中，固然需要導師、同伴、學者們的幫助，但只有親身經歷過每一個階段和環節，才能將必要的能力掌握在自己手中。

因此陳思明建議，在第一輪的科研嘗試中，應該把一項工作的方方面面都嘗試一遍，親身完成，學會獨立操作。

第二是找出明確的研究問題。

陳思明說：

科研，其實就像是在針尖上舞蹈，這個針尖，指的就是research question必須足夠明確、精準到像一個針點一樣小，只有這樣后續的研究才不會偏離軌道。

對idea要有品味，怎么樣去找到這樣準確的科學問題，這個能力是最重要的。

第三是保持批判精神。

無論是在確定研究問題之前還是確定之后，科研從業者始終需要不斷地看論文、汲取新的養分。

哪些內容邏輯嚴密、基石牢固，哪些領域還有待進一步深究，這些都要從批判的角度才能辨別出來，因此始終保持批判精神，你才能夠在科研道路上一直往前走。

關于陳思明

陳思明，現為復旦大學大數據學院青年研究員，博士生導師，復旦大學可視分析與智能決策研究組負責人。

主要研究方向為大數據可視化與可視分析和混合人機智能，具體包括：社交媒體、時空數據與網絡安全與用戶行為可視分析，故事敘述和語義地圖可視分析等。

2011年本科畢業于復旦大學，2017年獲得北京大學博士學位，之后在德國波恩大學任博士后研究員，以及德國弗勞恩霍夫智能分析和信息系統研究所（Fraunhofer IAIS）任研究科學家（2017-2020）。

其研究成果發表在IEEE TVCG, CGF, IEEE VIS和EuroVis等頂級期刊和會議上，并擔任多個國際會議的程序主席、組織委員會和程序委員會成員。

陳思明的工作曾獲得6次IEEE VAST Challenge數據挑戰賽一等獎，以及多個會議最佳論文/海報（提名）獎，包括IEEE VIS最佳海報提名獎、EuroVA最佳論文獎、Agile最佳海報獎、ChinaVis最佳論文獎等。

個人主頁：

https://www.aminer.cn/profile/siming-chen/562cde9845cedb3398ceb5fa

復旦大學可視分析與智能決策實驗室（FDU-VIS）：

http://fduvis.net/

關于AI 2000榜單：

今年1月，AMiner 團隊推出 AI 2000榜單，旨在通過AMiner學術數據在全球范圍內遴選過去十年間，人工智能學科最有影響力、最具活力的頂級學者，贊揚他們對于人工智能研究領域的卓越貢獻。