Paper 研習(xí)社本周論文推薦精選 | 第三期

本文作者： AI研習(xí)社

2019-09-27 17:47

導(dǎo)語：「本周論文推薦精選」是 Paper 研習(xí)社推出的全新欄目。

「本周論文推薦精選」是 Paper 研習(xí)社推出的全新欄目，展現(xiàn)社友們?cè)谘辛?xí)論文的過程中，推薦自己所閱讀到的優(yōu)秀論文，幫助大家一起學(xué)習(xí)、討論每個(gè)領(lǐng)域最新、最精彩的學(xué)術(shù)論文。

①

#圖學(xué)習(xí)方法#

基于時(shí)序關(guān)系排名的股票預(yù)測(cè)

推薦理由：這篇文章已經(jīng)于2019年1月發(fā)表在了ACM Transactions>為了解決這個(gè)問題，作者提出了一種名為Temporal Graph Convolution (TGC)的網(wǎng)絡(luò)結(jié)構(gòu)。作者首先通過LSTM網(wǎng)絡(luò)從股票價(jià)格的時(shí)間序列數(shù)據(jù)中學(xué)習(xí)時(shí)序依賴性，然后通過新提出的TGC網(wǎng)絡(luò)，基于時(shí)變的股票關(guān)系來調(diào)整股票之間的時(shí)序嵌入。最后再通過一個(gè)全連接網(wǎng)絡(luò)，通過股票之間的時(shí)序嵌入和關(guān)系嵌入來得到每只股票的排名，從而指導(dǎo)交易。與其他基于時(shí)序特征的股票預(yù)測(cè)方法相比，作者提出的方法能夠取得更高的收益率。

這篇文章將圖神經(jīng)網(wǎng)絡(luò)在股票預(yù)測(cè)中的應(yīng)用向前推進(jìn)了一步，考慮了時(shí)序關(guān)系上的變化并提出了新的網(wǎng)絡(luò)結(jié)構(gòu)，可以啟發(fā)后續(xù)的研究進(jìn)一步挖掘股票關(guān)系數(shù)據(jù)在價(jià)格預(yù)測(cè)中發(fā)揮的作用。

論文鏈接：

https://arxiv.org/abs/1809.09441

項(xiàng)目鏈接：

https://github.com/fulifeng/Temporal_Relational_Stock_Ranking

推薦人：琴??？思{ （清華大學(xué)信息與通信工程，Paper 研習(xí)社特約作者）

②

#機(jī)器學(xué)習(xí)#

機(jī)器學(xué)習(xí)的五大類別及其主要算法綜述

推薦理由一：機(jī)器學(xué)習(xí)作為一門源于人工智能和統(tǒng)計(jì)學(xué)的學(xué)科，是當(dāng)前數(shù)據(jù)分析領(lǐng)域重點(diǎn)研究方向之一。首先通過追溯機(jī)器學(xué)習(xí)起源和介紹不同算法在求解策略上的啟發(fā)性思路，討論五類機(jī)器學(xué)習(xí)的發(fā)展及其主要算法在評(píng) 價(jià)方法和優(yōu)化方式上的實(shí)現(xiàn)，進(jìn)一步總結(jié)歸納各算法適用領(lǐng)域和算法優(yōu)劣，最后指出各算法克服自身缺陷的最新進(jìn)展和未來實(shí)現(xiàn)多算法融合的研究方向。

機(jī)器學(xué)習(xí)來源于早期的人工智能領(lǐng)域，傳統(tǒng)算法包括決策樹、聚類、貝葉斯分類、支持向量機(jī)、EM、Adaboost等，在指紋識(shí)別、基于Haar的人臉檢測(cè)、基于HoG特征的物體檢測(cè)等領(lǐng)域的應(yīng)用基本達(dá)到了商業(yè)化的要求或特定場(chǎng)景的商業(yè)化水平，即便出現(xiàn)了讓人耳目一新的深度學(xué)習(xí)，但每前進(jìn)一步都異常艱難，科學(xué)的本質(zhì)是合作，希望通過梳理機(jī)器學(xué)習(xí)的類別與算法，找到融合、持續(xù)發(fā)展之路。

論文鏈接：

http://www.rjdk.org/CN/article/searchArticle.do?ks_keyword=%E6%9D%8E%E6%97%AD%E7%84%B6&Submit2=#

推薦人：軟件導(dǎo)刊（2002年創(chuàng)刊，國(guó)家新聞出版廣電總局首批認(rèn)定學(xué)術(shù)期刊。湖北省科學(xué)技術(shù)廳主管，湖北省科技信息研究院主辦；湖北省科技傳媒有限責(zé)任公司出版，國(guó)內(nèi)外公開發(fā)行。Paper 研習(xí)社特約作者）

③

#人臉識(shí)別# #情感分析#

從電影中收集大規(guī)模、豐富標(biāo)注的面部表情數(shù)據(jù)集

推薦理由：這篇文章提出了一種基于semi-automatic recommender的策略從電影中采集面部表情數(shù)據(jù)。并給出了詳盡的采集準(zhǔn)則。

數(shù)據(jù)集將情感分為六類，分別是Anger, Disgust, Fear, Sadness, Happiness, Neutral和Surprise。它們的樣本數(shù)量分別是194, 123, 156, 165，387, 257和144。

數(shù)據(jù)集也是公開獲取的，可以參見https://cs.anu.edu.au/few/AFEW.html。

數(shù)據(jù)集除了樣本數(shù)量比較多的特點(diǎn)外，還標(biāo)注了表演者的年齡、性別、姿勢(shì)等信息，在多模態(tài)人臉情感分析中有著重要的應(yīng)用。

論文鏈接：

http://users.cecs.anu.edu.au/~adhall/Dhall_Goecke_Lucey_Gedeon_M_2012.pdf

推薦人：feima0969（清華大學(xué)數(shù)據(jù)科學(xué)，Paper 研習(xí)社特約作者）

④

#知識(shí)圖譜##推薦系統(tǒng)#

基于知識(shí)圖譜注意力網(wǎng)絡(luò)的推薦算法

推薦理由：近些年，一些工作嘗試將知識(shí)圖譜引入到推薦系統(tǒng)中來提升推薦系統(tǒng)的解釋性。本文將知識(shí)圖譜與推薦中的User-Item交互圖建立成一個(gè)混合圖，然后設(shè)計(jì)了知識(shí)圖譜注意力網(wǎng)絡(luò)KGAT來進(jìn)行推薦。本文所提出的模型并不復(fù)雜，簡(jiǎn)單明了直擊要害，是知識(shí)圖譜和推薦系統(tǒng)很好結(jié)合的一個(gè)工作。另外，如何考慮知識(shí)圖譜中實(shí)體和關(guān)系的差異，針對(duì)關(guān)系的多樣性來設(shè)計(jì)知識(shí)圖譜神經(jīng)網(wǎng)絡(luò)是一個(gè)富有挑戰(zhàn)的工作。KGAT設(shè)計(jì)了Knowledge-aware Attention來聚合鄰居信息并更新節(jié)點(diǎn)表示，可以更好地學(xué)習(xí)知識(shí)圖譜的Embedding。

最后，KGAT實(shí)驗(yàn)效果非常好。同時(shí)，受益于注意力機(jī)制和知識(shí)圖譜，實(shí)驗(yàn)結(jié)果有很好的可解釋性。具體見實(shí)驗(yàn)部分的case study。

論文鏈接：https://arxiv.org/abs/1905.07854v1

推薦人：Houye（北京郵電大學(xué)，Paper 研習(xí)社首席論文推薦官。）

⑤

#圖神經(jīng)網(wǎng)絡(luò)#

預(yù)測(cè)且傳播：當(dāng)圖神經(jīng)網(wǎng)絡(luò)遇上個(gè)性化PageRank

推薦理由：圖神經(jīng)網(wǎng)絡(luò)已經(jīng)成為深度學(xué)習(xí)領(lǐng)域的熱門方向之一。但是圖神經(jīng)網(wǎng)絡(luò)有個(gè)致命缺點(diǎn)：隨著層數(shù)的增加，GNN會(huì)出現(xiàn)過平滑現(xiàn)象，GNN所學(xué)習(xí)到的節(jié)點(diǎn)表示不再有區(qū)分度。有一些工作嘗試對(duì)過平滑現(xiàn)象進(jìn)行解釋。本文基于18ICML JK-Net的結(jié)論分析了GNN與PageRank之間的關(guān)系，同時(shí)同個(gè)性化PageRank的角度設(shè)計(jì)了一個(gè)新穎的聚合方式，來克服過平滑問題。個(gè)人覺得本文用一種非常優(yōu)雅的方式解決了過平滑問題，具有非常好的指導(dǎo)意義！

從實(shí)驗(yàn)結(jié)果來看，本文所提出的PPNP和APPNP可以將GNN堆疊至幾十層而不出現(xiàn)過平滑現(xiàn)象。隨著層數(shù)的增加，PPNP的效果持續(xù)增加，同時(shí)也超過經(jīng)典的GCN和GAT。

論文鏈接：https://arxiv.org/abs/1810.05997

推薦人：Houye（北京郵電大學(xué)，Paper 研習(xí)社首席論文推薦官。）

???

除了上述的的五篇精選論文推薦，我們還為你精心準(zhǔn)備了可以一鍵下載的論文集：

ICCV 2019 Accepted Paper Full List

下載地址：https://www.yanxishe.com/resourceDetail/1017?from=leiphonecolumn

ICLR 2019 論文合集

下載地址：https://www.yanxishe.com/resourceDetail/1026?from=leiphonecolumn

ICLR 2018 論文合集

下載地址：https://www.yanxishe.com/resourceDetail/1025?from=leiphonecolumn

ACL 歷年最佳論文合集