KDD最佳论文:中国拿下Research Track最佳学生论文.doc
《KDD最佳论文:中国拿下Research Track最佳学生论文.doc》由会员分享,可在线阅读,更多相关《KDD最佳论文:中国拿下Research Track最佳学生论文.doc(9页珍藏版)》请在三一文库上搜索。
1、KDD最佳论文:中国拿下Research Track最佳学生论文KDD 2018,中科大、苏州大学与微软合作的小冰乐队获得了Research Track最佳学生论文。清华大学的唐杰和UIC的刘兵教授分别获得杰出共享奖和创新奖。除了论文接收和参会的华人数量,本届大会组委会中也出现更多中国学者的名字。新智元第一时间带来KDD18 会议亮点报道。又是一年KDD。这个知识挖掘和数据决策领域全球最顶级的学术盛会,也差不多成了华人在伦敦的聚会。据统计,今年KDD接收的所有近300篇论文中,华人/中国人作者的有189篇,占比64.5%。最关键的会议组织管理者层面,在KDD 2018组委会的55人中,华人/中
2、国人有20人,占比约36%。其中,大会主席之一是帝国理工学院的Yike Guo(郭毅可),而大会副主席则是清华大学副教授唐杰。在主委会其他成员中,也见到了大批的中国人/华人的名字,这比论文接收更能体现着中国的学术影响力。人物奖项:清华唐杰获得杰出贡献奖,清华大学的唐杰副教授获得了本次KDD 杰出贡献奖。最受关注的另一个奖项KDD 2018创新大奖得主不是别人,正是新智元采访过的ACM、AAAI 最佳论文:中国拿下Research Track最佳学生论文那么,话不多说,首先来看最佳论文。Research Track 最佳论文Adversarial attacks on classificatio
3、n models for Graphs对图分类模型的对抗性攻击论文地址:https:/arxiv/abs/1805.07984作者:Daniel Zgner (Technical University of Munich); Amir Akbarnejad (Technical University of Munich); Stephan Gnnemann (Technical University of Munich)摘要:图深度学习模型在节点分类任务中取得了很好的性能。尽管图深度学习模型越来越多,但目前还没有研究探索它们对对抗性攻击的鲁棒性。然而,在可能使用它们的领域中,例如网络,对抗是很
4、常见的。图深度学习模型是否很容易被愚弄呢?在这项工作中,我们介绍了第一个针对属性图( attributed graphs)的对抗性攻击的研究,特别关注利用图卷积思想的模型。除了测试时的攻击外,我们还研究了更具有挑战性的中毒/诱发攻击,这些攻击集中在机器学习模型的训练阶段。我们针对节点的特征和图结构生成对抗性扰动,从而获取实例之间的依赖关系。此外,我们通过保留重要的数据特征来确保这些扰动不会被察觉。为了解决底层离散域问题,我们提出一种利用增量计算的有效算法 Nettack。我们的实验研究表明,即使只进行少量的扰动,节点分类的准确率也会显著下降。更重要的是,我们的攻击是可迁移的:学习的攻击可以推广
5、到其他最先进的节点分类模型和无监督方法,即使只给出很少的关于图的知识,也同样能成功。图1:对图结构和节点特征的小小扰动导致目标的分类错误。Research Track 最佳学生论文XiaoIce Band: A Melody and Arrangement Generation Framework for Pop Music小冰乐队:流行音乐的旋律与编曲框架论文地址:http:/kdd/kdd2018/accepted-papers/view/xiaoice-banda-melody-and-arrangement-generation-framework-for-pop-music作者:Ho
6、ngyuan Zhu (USTC); Qi Liu (USTC); Nicholas Jing Yuan (Microsoft); Chuan Qin (USTC); Jiawei Li (Soochow University); Kun Zhang (USTC); Guang Zhou (Microsoft); Furu Wei (Microsoft); Yuanchun Xu (Microsoft); Enhong Chen (USTC)摘要:随着音乐创作知识的发展和近年来需求的增加,越来越多的公司和研究机构开始研究音乐的自动生成。但以往的模型在应用于歌曲生成时存在局限性,这既需要旋律,又
7、需要编曲。此外,许多与歌曲质量有关的关键因素没有得到很好的解决,例如和弦进行和节奏模式。特别是。如何确保多音轨音乐的和谐,这仍然是一个有待探索的问题。为此,我们对流行音乐的自动生成进行了重点研究,其中,我们考虑了旋律生成的和弦和节奏的影响,以及音乐编排的和声。我们提出了一种端到端的旋律和编曲生成框架,称为“小冰乐队”(XiaoIce Band),该框架产生了由几种乐器演奏的几个伴奏曲目组成的旋律音轨。具体来说,我们设计了一种基于和弦的节奏和旋律交叉生成模型(CRMCG),以生成带有和弦进行的旋律。然后,我们提出一种基于多任务学习的多乐器协同编曲模型( Multi-Instrument Co-A
8、rrangement Model ,MICA)。最后,我们在一个真实数据集上进行了广泛的实验,结果证明了XiaoIce Band的有效性。Research Track 论文图示,接收率仅18.4%ADS Track 最佳论文Real-time Personalization using Embeddings for Search Ranking at Airbnb在Airbnb上使用嵌入搜索排名的实时个性化论文地址:http:/kdd/kdd2018/accepted-papers/view/real-time-personalization-using-embeddings-for-sear
9、ch-ranking-at-airbnb作者:Mihajlo Grbovic (Airbnb); Haibin Cheng (Airbnb)摘要:搜索排名和推荐是主要互联网公司关注的基本问题,包括网络搜索引擎、内容发布网站和市场。然而,尽管有一些共同的特征,但这个领域并不存在一刀切的解决方案。由于需要进行排名、个性化和推荐的内容存在很大差异,每个市场都有一些独特的挑战。Airbnb是一个短期租赁市场,它的搜索和推荐问题也是非常独特的。它是一个双边市场,同时需要优化房东的偏好和客户的偏好;用户很少两次预定同一个房间,另一方面,一个房间在特定的日期只能接受一个客人的预定。在这篇论文中,我们描述了一
10、种列表和用户嵌入(Listing and User Embedding)技术,其目的是实现搜索排名和相似项目推荐的实时个性化。这两个channel可以驱动99%的转换。嵌入模式是专门为Airbnb市场定制的,能够捕捉客户的短期和长期利益,提供有效的房间推荐。我们对嵌入模型进行了严格的离线测试,然后进行了成功的在线测试,最后将其完全部署到生产环境中。ADS Track 最佳学生论文ActiveRemediation: The Search for Lead Pipes in Flint, MichiganActiveRemediation:在密歇根州弗林特寻找铅制水管论文链接:http:/kdd
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- KDD最佳论文:中国拿下Research Track最佳学生论文 KDD 最佳 论文 中国 拿下 Research Track 学生
链接地址:https://www.31doc.com/p-3253428.html