WWW 2021有哪些值得读的图机器学习相关论文?
WWW (这两年改名叫TheWebConf了) 会议是由图灵奖得主Tim创办的学术会议,内容涵盖互联网相关的一切主题。中国计算机协会将其认证为CCF-A类顶级会议,难度极大。中一篇吹一年。
本文梳理WWW 2021有关图机器学习领域的最新研究成果,供大家参考。
图表示学习
推荐系统
知识图谱
冷启动问题
生成对抗网络
对话AI
医疗
WWW2021的论文可于官网上查看,官网上根据主题将不同的论文映射到向量空间中,这样可以看到不同论文之间的相似度,而且还能根据标签、标题来搜索想看的论文哦~
地址:
https://www2021.thewebconf.org/program/papers-program/
图表示学习
图,如社交网络、单词共存网络和通信网络,广泛地存在于各种现实应用中。通过对它们的分析,我们可以深入了解社会结构、语言和不同的交流模式,因此图一直是学界研究的热点。真实的图(网络)往往是高维、难以处理的,20世纪初,研究人员发明了图嵌入算法,对真实的图进行降维处理。他们首先根据实际问题构造一个D维空间中的图,然后将图的节点嵌入到d(d<<D)维向量空间中。嵌入的思想是在向量空间中保持连接的节点彼此靠近。
本次WWW带来了6篇有关图表示学习的论文,内容涉及异质图上节点表示的优化、基于子图层次选择和嵌入的图神经网络、解耦GCN的理论分析等,如下所示:
Self-Supervised Learning of Contextual Embeddings for Link Prediction in Heterogeneous Networks
SUGAR: Subgraph Neural Network with Reinforcement Pooling and Self-Supervised Mutual Information Mechanism
On the Equivalence of Decoupled Graph Convolution Network and Label Propagation
Knowledge Embedding Based Graph Convolutional Network
Rumor Detection with Field of Linear and Non-Linear Propagation
Multi-level Connection Enhanced Representation Learning for Script Event Prediction
推荐系统
推荐系统是一种信息过滤系统,用于预测用户对物品的“评分”或“偏好”。
推荐系统近年来非常流行,应用于各行各业。推荐的对象包括:电影、音乐、新闻、书籍、学术论文、搜索查询、分众分类、以及其他产品。也有一些推荐系统专门为寻找专家、合作者、笑话、餐厅、美食、金融服务、生命保险、网络交友,以及Twitter页面设计等。
本次WWW论文中,涉及到推荐系统的论文多达23篇,由此可见推荐系统的火爆程度。论文内容涉及到面向未来的推荐系统框架、提高推荐系统的多样性、对复杂的高阶关系进行建模、用户对商品类别的偏好的动态模型等研究方向,论文列表如下:
Large-scale Comb-K Recommendation
A Recommender System for Crowdsourcing Food Rescue Platforms
Future-Aware Diverse Trends Framework for Recommendation
Graph Embedding for Recommendation against Attribute Inference Attacks
Diversified Recommendation Through Similarity-Guided Graph Neural Networks
Self-Supervised Multi-Channel Hypergraph Convolutional Network for Social Recommendation
Reinforcement Recommendation with User \Multi-aspect Preference
User-oriented Group Fairness In Recommender Systems
Bidirectional Distillation for Top-K Recommender System
Towards Content Provider Aware Recommender Systems: A Simulation Study on the Interplay between User and Provider Utilities
Debiasing Career Recommendations with Neural Fair Collaborative Filtering
Learning Heterogeneous Temporal Patterns of User Preference for Timely Recommendation
Cost-Effective and Interpretable Job Skill Recommendation with Deep Reinforcement Learning
Learning Fair Representations for Recommendation: A Graph-based Perspective
Where Next? A Dynamic Model of User Preferences
Leveraging Review Properties for Effective Recommendation
High-dimensional Sparse Embeddings for Collaborative Filtering
DCN V2: Improved Deep & Cross Network and Practical Lessons for Web-scale Learning to Rank Systems
A Model of Two Tales: Dual Transfer Learning Framework for Improved Long-tail Item Recommendation
Rabbit Holes and Taste Distortion: Distribution-Aware Recommendation with Evolving Interests
FINN: Feedback Interactive Neural Network for Intent Recommendation
Field-aware Embedding Space Searching in Recommender Systems
Learning Intents behind Interactions with Knowledge Graph for Recommendation
知识图谱
知识图谱是由Google公司在2012年提出来的一个新的概念。从学术的角度,我们可以对知识图谱给一个这样的定义:“知识图谱本质上是语义网络(Semantic Network)的知识库”。知识图谱本质上就是把所有不同种类的信息(Heterogeneous Information)连接在一起而得到的一个关系网络。
本次WWW带来了9篇论文,内容涉及到KG上的链路预测、效率提升、KG嵌入双曲空间、KG上的查询等方面的研究,论文如下:
Inductive Entity Representations from Text via Link Prediction
Boosting the Speed of Entity Alignment 10×: Dual Attention Matching Network with Normalized Hard Sample Mining
Mixed-Curvature Multi-relational Graph Neural Network for Knowledge Graph Completion
Structure-Augmented Text Representation Learning for Efficient Knowledge Graph Completion
Self-Supervised Hyperboloid Representations from Logical Queries over Knowledge Graphs
Few-Shot Knowledge Validation using Rules
Learning Intents behind Interactions with Knowledge Graph for Recommendation
MedPath: Augmenting Health Risk Prediction via Medical Knowledge Paths
RETA: A Schema-Aware, End-to-End Solution for Instance Completion in Knowledge Graphs
冷启动问题
推荐系统需要根据用户的历史行为和兴趣预测用户未来的行为和兴趣,因此大量的用户行为数据就成为推荐系统的重要组成部分和先决条件。
在开始阶段就希望有个性化推荐应用的网站来说,如何在没有大量用户数据的情况下设计个性化推荐系统并且让用户对推荐结果满意从而愿意使用推荐系统,就是冷启动的问题。
本次WWW带来2篇有关冷启动的论文,内容包括对抗项目推广、全局知识解码器等,论文如下:
Adversarial Item Promotion: Vulnerabilities at the Core of Top-N Recommenders that Use Images to Address Cold Start
Task-adaptive Neural Process for User Cold-Start Recommendation
生成对抗图
生成对抗网络(Generative Adversarial Network,简称GAN)是非监督式学习的一种方法,通过让两个神经网络相互博弈的方式进行学习。
本次WWW带来的论文包括推荐系统中模拟真实用户行为、时间图生成对抗网络、解决可见类和不可见类之间的数据不平衡问题、在文本情感分类中提取与情感相关的区别性特征等,论文如下:
User Simulation via Supervised Generative Adversarial Network
TG-GAN: Continuous-time Temporal Graph Deep Generative Models with Time-Validity Constraints
OntoZSL: Ontology-enhanced Zero-shot Learning
Curriculum CycleGAN for Textual Sentiment Domain Adaptation with Multiple Sources
Completing Missing Prevalence Rates for Multiple Chronic Diseases by Jointly Leveraging Both Intra- and Inter-Disease Population Health Data Correlations
对话AI
对话式 AI 就是人与机器之间的交互。它识别语音和文本、意图以及各种语言,以模仿自然语言,或人类对话。对话式 AI 解决方案可以完成人类经常做的重复性任务,从而节省金钱和时间,并使人类腾出时间从事更高层次的战略性工作。
本次WWW为我们带来的论文内容有关使用Wikipedia页面嵌入来预测应将哪些属性附加到给定实体、研究如何产生构想答案、增加知识图的覆盖范围等,有如下3篇:
Wiki2Prop: A Multi-Modal Approach for Predicting Wikidata Properties from Wikipedia
Compositional Question Answering via Hierarchical Graph Neural Networks
Information Extraction From Co-Occurring Similar Entities
医疗
人工智能(AI)正在经历爆炸式增长,影响着许多行业,也正为医疗健康行业带来一场全新革命。
生物信息领域产生分子层面的基因突变、基因表达等数据;制药企业在药物研发过程中产生的临床试验数据;疾病患者或药物使用者在社交媒体发布的患病及用药感受;医疗移动设备收集的用户日常健康数据等。这些是医药大数据的主要构成部分,其对于医院的疾病辅助诊断和治疗方案确定、制药行业的研发及营销效率、监管部门对于流行病的预测和对药物不良反应的监测、患者的个性化治疗和个人健康管理等都具有重要意义。
本次WWW带来的有关医疗的论文涉及到DDI预测、新的推荐药物包装范例、解决冷启动和临床描述稀缺的问题、分子特性的预测等,如下所示:
Multi-view Graph Contrastive Representation Learning for Drug-Drug Interaction Prediction
Drug Package Recommendation via Interaction-aware Graph Induction
Online Disease Self-diagnosis with Inductive Heterogeneous Graph Convolutional Networks
Few-Shot Molecular Property Prediction
????
现在,在「知乎」也能找到我们了
进入知乎首页搜索「PaperWeekly」
点击「关注」订阅我们的专栏吧
关于PaperWeekly
PaperWeekly 是一个推荐、解读、讨论、报道人工智能前沿论文成果的学术平台。如果你研究或从事 AI 领域,欢迎在公众号后台点击「交流群」,小助手将把你带入 PaperWeekly 的交流群里。
WWW 2021有哪些值得读的图机器学习相关论文?相关推荐
- TOP 100值得读的图神经网络----自监督学习与预训练
清华大学的Top 100 GNN papers,其中分了十个方向,每个方向10篇.此篇为自监督学习与预训练方向的阅读笔记. Top100值得一读的图神经网络| 大家好,我是蘑菇先生,今天带来Top10 ...
- 本周值得读的15篇AI论文,还有源码搭配服用
在碎片化阅读充斥眼球的时代,越来越少的人会去关注每篇论文背后的探索和思考. 在这个栏目里,你会快速 get 每篇精选论文的亮点和痛点,时刻紧跟 AI 前沿成果. 点击本文底部的「阅读原文」即刻加入社区 ...
- 八篇 NeurIPS 2019 最新图神经网络相关论文
最近,人工智能和机器学习领域的国际顶级会议 NeurIPS 2019 接收论文公布,共有 1428 篇论文被接收.为了带大家抢先领略高质量论文,本文整理了八篇 NeurIPS 2019 最新 GNN ...
- NeurIPS 2021有哪些值得读的NLP论文?
©PaperWeekly 原创 · 作者 | 王馨月 学校 | 四川大学 研究方向 | 自然语言处理 Information Flow in BERT 论文标题: Influence Patterns ...
- 【学术相关】Github大盘点!2021年最值得推荐的38篇AI论文
新智元报道 来源:Github 编辑:David [导读]2021年是人工智能继续突飞猛进的一年.近日,Github上有人总结出了今年最有趣.最惊艳的38篇关于AI和机器学习论文,值得收藏. ...
- 【值得读】自动机器学习: 最新进展综述与开放挑战 | AutoML
今天,你AI了没? 关注:决策智能与机器学习,学点AI干货 [导读]自动机器学习是当前学术工业界的热点.最近来自塔尔图大学Radwa Elshawi等的学者撰写了关于自动机器学习的进展综述,包括自动机 ...
- 近期必读的5篇AI顶会CVPR 2020 GNN (图神经网络) 相关论文
关注上方"深度学习技术前沿",选择"星标公众号", 资源干货,第一时间送达! 计算机视觉顶会CVPR 2020在不久前公布了论文接收列表.本届CVPR共收到了6 ...
- NIPS2022上的图神经网络相关论文总结
1. GNN 探究模型表达能力 How Powerful are K-hop Message Passing Graph Neural Networks Ordered Subgraph A ...
- 读彬彬有礼压缩感知相关论文笔记3——沙威程序解读
沙威的程序之前就运行过,也仔细通读过,依靠读程序进一步加深了对压缩感知的了解. 但是,再读彬彬有礼的Rachel_Zhang的"压缩感知"之"HelloWorld&quo ...
最新文章
- Latex合并及插入图片相关问题
- Protues 8.6 详细安装步骤
- [Android] 拍照、截图、保存并显示在ImageView控件中
- CRM和C4C product category hierarchy的可编辑性控制逻辑
- 算法设计与分析——回溯法——批处理作业调度
- Leetcode: LRU Cache
- DataReader不奇怪,该出手时就出手!
- docker nacos
- php 原子性,PHP下O_APPEND模式的原子性
- 脚本文档_创建完美的架构文档脚本
- jsf 自定义属性_JSF资源包,自定义消息示例教程
- MSSQL数据库中row_number()函数
- Android应用程序键盘(Keyboard)消息处理机制分析(7)
- Java打包后运行找不到资源文件问题
- TCP的核心系列 — ACK的处理(一)
- C/C++ 引用作为函数的返回值
- 图文解说百兆和千兆网线制作方法
- 微软2019 Windows 10更新五月版:10个不可错过的新功能
- DS1302驱动根据数据手册编写
- MySQL The server time zone value 'Öйú±ê׼ʱ¼ä' is unrecognized or represents more than one time zo