亚洲男人的天堂2018av,欧美草比,久久久久久免费视频精选,国色天香在线看免费,久久久久亚洲av成人片仓井空

題目：

Mining Implicit Relevance Feedback from User Behavior for Web Question Answering

簡介：

訓練和刷新用于多語言商業搜索引擎的Web級問答系統通常需要大量的數據。一個想法是從搜索引擎日志中記錄的用戶行為從而挖掘隱式相關性。以前所有有關挖掘隱式相關性的著作都將反饋的目標指定為Web文檔的相關性。由于QA任務中的幾個獨特特性，現有的Web文檔用戶行為模型無法應用于推斷段落相關性。在本文中，我們進行了第一項研究，以探索用戶行為與段落之間的相關性，并提出了一種挖掘Web QA訓練數據的方法。我們對四個測試數據集進行了廣泛的實驗，結果表明，在沒有人標記的數據中，我們的方法顯著提高了段落排名的準確性。實際上，已證明這項工作有效地降低了全球商業搜索引擎中質量檢查服務的人工標記成本，尤其是對于資源較少的語言。

題目： Composition-Based Multi-Relational Graph Convolutional Networks

摘要： 圖卷積網絡(GCNs)最近被證明在對圖結構數據建模方面是非常成功的。然而，主要的重點是處理簡單的無向圖。多關系圖是一種更為普遍和流行的圖，其中每條邊都有一個與之相關的標簽和方向。現有的大多數處理此類圖的方法都存在參數過多的問題，并且僅限于學習節點的表示形式。在本文中，我們提出了一種新的圖卷積框架COMP-GCN，它將節點和關系共同嵌入到一個關系圖中。COMP-GCN利用知識圖譜嵌入技術中的各種實體關系組合操作，并根據關系的數量進行擴展。它還概括了幾種現有的多關系GCN方法。我們評估了我們提出的方法在多個任務，如節點分類，鏈接預測，和圖分類，并取得了明顯的結果。

在這篇論文中，研究者利用網絡數據研究圖像分類任務 (image classification)。他們發現網絡圖片 (web image) 通常包含兩種噪聲，即標簽噪聲 (label noise) 和背景噪聲 (background noise)。前者是因為當使用類別名 (category name) 作為關鍵字來爬取網絡圖像時，在搜索結果中可能會出現不屬于該類別的圖片。后者則是因為網絡圖片的內容與來源非常多樣，導致抓取的圖片往往包含比標準的圖像分類數據集更多的無關背景信息。在下圖中的兩張圖片均用關鍵字「狗」抓取。左邊圖片的內容是狗糧而不是狗，屬于標簽噪聲；右邊的圖像中，草原占據了整個圖像的大部分，同時小孩子也占據了比狗更為顯著的位置，屬于背景噪聲。這兩種噪聲給利用網絡數據學習圖像分類器帶來了很多額外的困難，而現有的方法要么非常依賴于額外的監督信息，要么無法應對背景噪聲。論文中提出了一種不需要額外監督信息的方法來同時處理這兩種類型的噪聲，并在四個基準數據集上的實驗證明了方法的有效性。

標簽傳播(LPA)和圖卷積神經網絡(GCN)都是圖上的消息傳遞算法。兩者都解決了節點分類的任務，但是LPA將節點標簽信息傳播到圖的邊緣，而GCN傳播并轉換節點特征信息。然而，雖然概念相似，LPA和GCN之間的理論關系還沒有得到研究。這里我們從兩個方面研究了LPA和GCN之間的關系:(1)特征/標簽平滑，分析一個節點的特征/標簽如何擴散到它的鄰居;(2)一個節點的初始特征/標簽對另一個節點的最終特征/標簽的影響程度。在理論分析的基礎上，提出了一種統一GCN和LPA的節點分類端到端模型。在我們的統一模型中，邊緣權值是可學習的，LPA作為正則化幫助GCN學習合適的邊緣權值，從而提高分類性能。我們的模型也可以看作是基于節點標簽的注意力學習權重，它比現有的基于特征的注意力模型更面向任務。在真實圖數據的大量實驗中，我們的模型在節點分類準確度方面顯示出優于目前最先進的基于gcn的方法。

題目： Cross-Modality Attention with Semantic Graph Embedding for Multi-Label Classification

簡介：

多標簽圖像和視頻分類是計算機視覺中最基本也是最具挑戰性的任務。主要的挑戰在于捕獲標簽之間的空間或時間依賴關系，以及發現每個類的區別特征的位置。為了克服這些挑戰，我們提出將語義圖嵌入的跨模態注意用于多標簽分類。基于所構造的標簽圖，我們提出了一種基于鄰接的相似圖嵌入方法來學習語義標簽嵌入，該方法顯式地利用了標簽之間的關系。在學習標簽嵌入的指導下，生成了新的跨模態注意圖。在兩個多標簽圖像分類數據集(MS-COCO和NUS-WIDE)上的實驗表明，我們的方法優于其他現有的方法。此外，我們在一個大的多標簽視頻分類數據集上驗證了我們的方法，評估結果證明了我們的方法的泛化能力。

論文題目

Relation Learning on Social Networks with Multi-Modal Graph Edge Variational Autoencoders

論文摘要

雖然節點語義在社會網絡中得到了廣泛的探索，但對邊緣語義的研究，即社會關系的研究卻一直受到重視。理想的邊緣語義不僅應該顯示兩個用戶是連接的，而且還應該顯示他們為什么相互了解以及他們共享什么。然而，由于多模態信號的噪聲和用戶生成的地面真值標簽的有限性，社會網絡中的關系很難處理，我們的目標是開發一個統一的、有原則的框架，通過在存在不確定性和不完全數據的情況下集成多模態信號，使用戶關系成為社會網絡中的邊緣語義。我們的框架也適用于有限或缺少監督。具體地說，我們假設每個用戶鏈接下的多個關系的最新分布，并用多模圖邊變分自編碼器學習它們，通過對兩個公共DBLP授權網絡和兩個內部LinkedIn成員網絡的大量實驗和案例研究，證明了該模型的優越性和有效性。

論文作者

Carl Yang、Jieyu Zhang、Haonan Wang、Sha Li、Myungwan Kim、MaWalker?、You Xiao?、Jiawei Han,來自伊利諾伊大學香檳分校。

論文題目

Sequential Recommendation with Dual Side Neighbor-based Collaborative Relation Modeling

論文摘要

序貫推薦任務的目的是在給定用戶歷史行為的情況下，預測用戶對項目的偏好。用戶行為的有序性意味著行為史中蘊含著豐富的序列模式，揭示了用戶興趣的內在動力。提出了多種序貫推薦方法對動態用戶行為進行建模。然而，大多數模型只考慮用戶自身的行為和動態，而忽略了用戶和項目之間的協作關系，即用戶的相似偏好或項目的相似屬性。如果不建立協作關系模型，這些方法會因為缺乏推薦多樣性而導致性能下降。更糟糕的是，大多數現有的方法只考慮用戶側序列，而忽略項目側的時間動態。針對現有的序貫推薦模型存在的問題，我們提出了一種序貫協同推薦器（SCoRe），它利用跨鄰居關系模型有效地挖掘高階協同信息，同時利用用戶端和項目端的歷史序列更好地捕獲用戶和項目動態。在三個真實世界的大規模數據集上的實驗證明了該模型相對于強基線的優越性。

論文作者

秦嘉瑞，靳仁，方玉辰，張渭南，勇雨，來自上海交通大學，上海微軟亞洲研究院。