0
| 本文作者： 叢末 | 2019-05-10 19:04 | 專題：IJCAI 2019 |
雷鋒網(wǎng) AI 科技評論按：作為人工智能領(lǐng)域最頂級的國際學(xué)術(shù)會議之一，IJCAI 今日公布了最終論文接收結(jié)果，引起了該領(lǐng)域的密切關(guān)注。據(jù)悉，IJCAI 2019 今年一共收到 4752 篇有效提交論文，最終的論文收錄數(shù)量為 850 篇，接收率為 17.9% 。雖然今年論文投稿量與收錄量比去年（論文投稿量為 3470 篇、收錄量為 710 篇）都要高，但最終的接收率要比去年的 20.5% 低不少。
論文收錄結(jié)果出爐后，有人歡喜有人愁：一方面，各位落選者先后抒發(fā)了自己的遺憾；而另一方面，各位論文被收錄的實力派也紛紛曬出了自己收到的論文收錄通知。針對大家在 IJCAI 2019 論文收錄方面的更多疑問，后續(xù)雷鋒網(wǎng) AI 科技評論會在 IJCAI 2019 程序委員會主席（Sarit Kraus）的專訪中為大家?guī)泶鸢浮６诖酥?，我們不妨先來溫?xí)一下 IJCAI 近 20 年以來摘得「杰出論文獎」（Distinguished Paper Award）的二十九篇論文，并從這些最佳論文中一窺 AI 這些年來的發(fā)展軌跡。
SentiGAN：通過混合對抗性網(wǎng)絡(luò)生成情感文本
SentiGAN: Generating Sentimental Texts via Mixture Adversarial Networks
論文摘要：在自然語言生成領(lǐng)域，生成不同情感標(biāo)簽的文本越來越多受到關(guān)注。近來，生成式對抗網(wǎng)絡(luò)（GAN）在文本生成中表現(xiàn)出色。然而，通過 GAN 生成的文本往往在面臨質(zhì)量差、缺乏多樣性和模式崩潰（mode collapse ）的問題。在這篇論文中，我們提出了一個新的框架——SentiGAN，包含有多個生成器和一個多類別判別器，以解決上述問題。在該框架中，多個生成器同時訓(xùn)練，旨在無監(jiān)督環(huán)境下產(chǎn)生不同情感標(biāo)簽的文本。我們提出了一個基于懲罰的目標(biāo)函數(shù)，使每個生成器都能在特定情感標(biāo)簽下生成具有多樣性的樣本。此外，使用多個生成器和一個多類判別器，可以使每個生成器專注于準(zhǔn)確地生成自己的特定情感標(biāo)簽的例子。在四個數(shù)據(jù)集上的實驗結(jié)果表明，我們的模型在情感準(zhǔn)確度和生成文本的質(zhì)量方面始終優(yōu)于當(dāng)前幾種最先進(jìn)的文本生成方法。
論文地址：https://www.ijcai.org/proceedings/2018/0618.pdf
通過大多數(shù)動態(tài)對觀點傳播中的共識形成進(jìn)行推理
Reasoning about Consensus when Opinions Diffuse through Majority Dynamics
論文摘要：該論文研究了社會圖上的意見傳播問題。在社會圖中，智能體持有二元意見，并且社會壓力導(dǎo)致他們遵從大多數(shù)鄰居所表示的意見。在這種背景下，考慮有關(guān)少數(shù)/多數(shù)是否能夠?qū)⑵渲С值囊庖妭鞑サ剿衅渌悄荏w的問題。研究結(jié)果表明，無論底層圖如何，總是存在一個由半數(shù)智能體組成的群體可以消除相反的意見。相反地，少數(shù)群體的影響力取決于給定圖的某些特征，這些特征的識別便是 NP 難問題（NP-hard）。而決定這兩種觀點是否可以在某種穩(wěn)定的配置中共存也是 NP 難的。
論文地址：https://www.ijcai.org/proceedings/2018/0007.pdf
R-SVM+：具有私有信息的魯棒學(xué)習(xí)
R-SVM+: Robust Learning with Privileged Information
論文摘要：在實際應(yīng)用場景中，訓(xùn)練數(shù)據(jù)和測試數(shù)據(jù)質(zhì)量的干凈度往往難以讓人滿意。由于缺少解決數(shù)據(jù)中潛在噪聲的有效策略，現(xiàn)有方法的效果在特權(quán)信息學(xué)習(xí)（learning using privileged information，LUPI）范式中可能面臨很大的挑戰(zhàn)。本文基于嚴(yán)格的理論分析，提出了一種新的魯棒 SVM+（R-SVM+）算法。我們在 SVM+ 框架下的 LUPI 范式中研究了樣本標(biāo)簽數(shù)據(jù)和特權(quán)標(biāo)簽數(shù)據(jù)的擾動下界，這個擾動下界會誤導(dǎo)模型做出錯誤的決策。通過最大化下界，學(xué)到的模型在擾動下的容忍度將會增大。據(jù)此，我們給模型引入了新的正則化函數(shù)，用于升級 SVM+ 的變體。將 R-SVM+ 的目標(biāo)函數(shù)轉(zhuǎn)化為二次規(guī)劃問題，利用現(xiàn)成的求解方法可以很容易進(jìn)行優(yōu)化求解。實證結(jié)果展現(xiàn)了 R-SVM+ 的必要性和算法的有效性。
論文地址：https://www.ijcai.org/proceedings/2018/0334.pdf
在基于領(lǐng)域本體的查詢中，從連接性查詢到實例查詢
From Conjunctive Queries to Instance Queries in Ontology-Mediated Querying
論文摘要：我們考慮基于 ALC 族和連接查詢的表達(dá)性描述邏輯的本體中介查詢（ontology-mediated queries，OMQs），研究基于實例查詢（instance queries，IQs）的 OMQ 的可重寫性。我們的結(jié)果包括這種重寫何時能精確表征以及決定重寫性的嚴(yán)格復(fù)雜性界限。我們還給出了判定給定 MMSNP 語句是否等價于 CSP 的相關(guān)問題的嚴(yán)格復(fù)雜度界限。
論文地址：https://www.ijcai.org/proceedings/2018/0250.pdf
玩的是什么游戲？從游戲中的正態(tài)與拓展性端到端學(xué)習(xí)
What Game are We Playing? End-to-end Learning in Normal and Extensive from Games
論文摘要：雖然人工智能最近的研究在求解大型、零和、擴展形式的博弈方面取得了很大進(jìn)展，但過去大多數(shù)工作中的基本假設(shè)都是博弈本身的參數(shù)是智能體已知的。本文討論相對未被充分探索但同樣重要的「逆」設(shè)置，其中并不是所有智能體都知道底層博弈的參數(shù)，它們必須通過觀察來學(xué)習(xí)。我們提出一個可微的、端到端的學(xué)習(xí)框架來處理這個任務(wù)。特別地，我們考慮博弈的正則化版本，等價于隨機最優(yōu)反應(yīng)均衡（quantal response equilibrium）的特定形式，并改進(jìn)：1） 在正規(guī)形式博弈和擴展形式博弈中尋找這種平衡點的原始-對偶牛頓（primal-dual Newton）方法；2） 反向傳播方法使我們能夠通過解本身來計算所有相關(guān)博弈參數(shù)的梯度。這最終讓我們通過端到端的訓(xùn)練來學(xué)習(xí)博弈，通過將「可微的博弈求解器」有效地集成到更大的深層網(wǎng)絡(luò)體系結(jié)構(gòu)的循環(huán)中。我們展示了該學(xué)習(xí)方法在多種設(shè)置中的有效性，包括撲克和安全博弈任務(wù)。
論文地址：https://www.ijcai.org/proceedings/2018/0055.pdf
圖注意力機制的帶有常識知識的對話生成
Commonsense Knowledge Aware Conversation Generation with Graph Attention
論文摘要：常識知識對于許多自然語言處理任務(wù)來說至關(guān)重要。本文提出了一種新的開放領(lǐng)域會話生成模型，以展示大規(guī)模常識知識如何促進(jìn)語言理解和生成。在給定用戶帖子的情況下，模型從知識庫中檢索相關(guān)知識圖，然后用靜態(tài)圖注意力機制對圖進(jìn)行編碼，以增強帖子的語義信息，從而支持對帖子的更好理解。之后，在單詞生成過程中，該模型通過動態(tài)圖注意力機制仔細(xì)地讀取檢索到的知識圖和每個圖中的知識三元組，以便于更好地生成。這是第一次嘗試在對話生成中使用大規(guī)模常識知識。此外，與現(xiàn)有模型分別和獨立地使用知識三元組（實體）不同，我們的模型將每個知識圖作為一個整體來處理，從而在圖中編碼更結(jié)構(gòu)化、連接的語義信息。實驗表明，該模型能夠產(chǎn)生比現(xiàn)有基準(zhǔn)更合適、信息量更大的響應(yīng)。
論文地址：https://www.ijcai.org/proceedings/2018/0643.pdf
圖相似性的簡并框架
A Degeneracy Framework for Graph Similarity
論文摘要：精確測量圖形之間的相似性是許多學(xué)科應(yīng)用的核心問題。大多數(shù)現(xiàn)有的確定圖相似性的方法要么關(guān)注圖的局部性質(zhì)，要么關(guān)注圖的全局性質(zhì)。然而，即使從局部或全局的角度來看，圖形看起來非常相似，但它們可能在不同的尺度上表現(xiàn)出不同的結(jié)構(gòu)。本文提出了一個通用的圖相似性框架，該框架考慮了多個不同尺度上的結(jié)構(gòu)。該框架利用圖的 k 核（k-core）分解來構(gòu)建嵌套子圖的層次結(jié)構(gòu)。應(yīng)用該框架導(dǎo)出了四種圖核（graph kernels）的變體：圖核、最短路徑核、Weisfeiler-Lehman 子樹核和金字塔匹配圖核。該框架不僅限于圖核，而是可以應(yīng)用于任何圖比較算法。該框架在多個用于圖分類的基準(zhǔn)數(shù)據(jù)集上進(jìn)行了評估。在大多數(shù)情況下，基于核的內(nèi)核在分類精度方面比基本內(nèi)核有顯著的提高，而它們的時間復(fù)雜度仍然非常優(yōu)秀。
論文地址：https://www.ijcai.org/proceedings/2018/0360.pdf
使用限制 Datalog 程序進(jìn)行聲明性數(shù)據(jù)分析的基本原理
Foundations of Declarative Data Analysis Using Limit Datalog Programs
論文摘要：受聲明性數(shù)據(jù)分析應(yīng)用的啟發(fā)，我們研究了 Datalog?，這是一個帶有整數(shù)運算功能的實際數(shù)據(jù)記錄（positive Datalog）的擴展。這一語言被認(rèn)為是不可判定的，因此我們提出了兩個分段。在 limit Datalog? 中，謂語被公理化以保持最小/最大數(shù)值，從而允許我們表明事實蘊含（fact entailment）是結(jié)合中的完整 coNExpTime 和數(shù)據(jù)復(fù)雜性中的完整 coNP。此外，額外的穩(wěn)定性需求致使復(fù)雜性分別降至 ExpTime 和 PTime。最終，我們證明穩(wěn)定的 Datalog? 能夠表達(dá)很多有用的數(shù)據(jù)分析任務(wù)，因此我們的研究成果為高級信息系統(tǒng)的發(fā)展打下了堅實的基礎(chǔ)。
論文地址：https://www.ijcai.org/proceedings/2017/0156.pdf
一般游戲玩法中的基于約束的對稱性檢測
Constraint-Based Symmetry Detection in General Game Playing
論文摘要：對稱檢測有望成為減少游戲搜索樹的一種方法。在一般游戲玩法（GGP）中，任何游戲由游戲描述語言（GDL）中的一組規(guī)則緊湊地表示，用于對稱檢測的最先進(jìn)的方法依賴于與 GDL 描述相關(guān)聯(lián)的規(guī)則圖的游戲。雖然這種基于規(guī)則的對稱檢測方法可以應(yīng)用于各種樹搜索算法，但它們僅涵蓋在 GDL 描述中顯而易見的有限數(shù)量的對稱性。在本文中，我們開發(fā)了利用約束編程技術(shù)的隨機游戲中的對稱檢測的替代方法。GDL 游戲中的極小值優(yōu)化問題被當(dāng)做隨機約束滿足問題（SCSP），可以將其視為一級 SCSP 序列。Minimax 對稱性根據(jù)這些一階約束網(wǎng)絡(luò)的微結(jié)構(gòu)補充推斷。基于這種方法的理論分析，我們實驗性地展示了隨機約束求解器 MAC-UCB 結(jié)合基于約束的對稱性檢測，要顯著優(yōu)于標(biāo)準(zhǔn)的蒙特卡洛樹搜索算法與基于規(guī)則的對稱檢測的結(jié)合。這種約束驅(qū)動的方法也通過我們的 AI 在最后一次 GGP 比賽中獲得的出色成績得到驗證。
論文地址：https://www.ijcai.org/proceedings/2017/0040.pdf
通過知識片段遷移來實現(xiàn)一般異構(gòu)遷移的距離度量學(xué)習(xí)
General Heterogeneous Transfer Distance Metric Learning via Knowledge Fragments Transfer
論文摘要：遷移學(xué)習(xí)旨在通過利用其他相關(guān)任務(wù)的信息（或遷移知識）來提高目標(biāo)學(xué)習(xí)任務(wù)的表現(xiàn)。近來，遷移距離度量學(xué)習(xí)（TDML）吸引了很多研究者的興趣，但是大多數(shù)這些方法假設(shè)源和目標(biāo)學(xué)習(xí)任務(wù)的特征表示是一樣的。因此，它們不適用于數(shù)據(jù)來自異構(gòu)域（特征空間，模態(tài)甚至語義）的應(yīng)用程序。雖然一些現(xiàn)有的異構(gòu)傳輸學(xué)習(xí)（HTL）方法能夠處理這樣的問題，但它們在實際應(yīng)用中缺乏靈活性，而學(xué)習(xí)的轉(zhuǎn)換通常被限制為線性的。因此，我們開發(fā)了基于知識片段的通用和靈活的異構(gòu) TDML（HTDML）框架遷移策略。在我們提出的 HTDML 中，可以使用任何（線性或非線性）距離度量學(xué)習(xí)算法來預(yù)先學(xué)習(xí)源度量。然后，從預(yù)先學(xué)習(xí)的源度量中提取一組知識片段，幫助目標(biāo)度量學(xué)習(xí)。此外，可以為目標(biāo)域?qū)W習(xí)線性或非線性距離度量。針對場景分類和對象識別的廣泛實驗，也證明了我們所提出的這一方法的優(yōu)越性。
論文地址：https://www.ijcai.org/proceedings/2017/0341.pdf
用于泛化規(guī)劃的層次有限狀態(tài)控制器
Hierarchical Finite State Controllers for Generalized Planning
論文摘要：有限狀態(tài)控制器（Finite State Controllers，F(xiàn)SC）是一種緊湊地表征順序規(guī)劃的有效方式。通過在過渡上施加適當(dāng)?shù)臈l件，F(xiàn)SC 也能表征解決給定領(lǐng)域內(nèi)的一系列的規(guī)劃問題。這篇論文介紹了分層 FSC的概念，它通過允許控制器調(diào)用其它控制器來進(jìn)行規(guī)劃。其中證明分層 FSC 可以比個體 FSC更緊湊地表征一般規(guī)劃。此外，其調(diào)用機制允許以模塊化的方式生成分層 FSC，甚至應(yīng)用遞歸方式。論文還介紹了能讓經(jīng)典規(guī)劃者生成分層 FSC 的匯編，這能解決很有挑戰(zhàn)性的一般規(guī)劃問題。此匯編以來自特定領(lǐng)域的規(guī)劃問題集合作為輸入，然后輸出一個單一經(jīng)典規(guī)劃問題，這種解決方案對應(yīng)著一個分層 FSC。
論文地址：https://www.ijcai.org/Proceedings/16/Papers/458.pdf
用于非凸優(yōu)化的遞歸分解
Recursive Decomposition for Nonconvex Optimization
論文摘要：連續(xù)優(yōu)化是人工智能多個領(lǐng)域的一個重要的問題，包括計算機視覺、機器人、概率推理與機器學(xué)習(xí)。遺憾的是，大多數(shù)現(xiàn)實世界的優(yōu)化問題都是非標(biāo)準(zhǔn)技術(shù)，所以即使是像隨機重啟和模擬退火這樣的延伸，標(biāo)準(zhǔn)凸面技術(shù)也只能找到局部最優(yōu)解。我們觀察到，在許多情況下，目標(biāo)函數(shù)的局部模式有組合結(jié)構(gòu)，因此，組合優(yōu)化的思路可以支撐。在此基礎(chǔ)上，我們提出一個非凸優(yōu)化問題的分解辦法。類似于 DPLL 風(fēng)格的 SAT 方法和概率推理中的遞歸調(diào)節(jié)，我們的算法將變量遞歸后，簡化并分解目標(biāo)函數(shù)成近似獨立的子函數(shù)，直到剩余的功能很簡單能夠用標(biāo)準(zhǔn)技術(shù)進(jìn)行優(yōu)化，如梯度下降。根據(jù)圖形的劃分來選擇變量，確保分解的可能性。我們的分析表明，RDIS 的建立的可以解決一大類非凸優(yōu)化梯度下降的問題指數(shù)隨機重新啟動。實驗結(jié)果表明，在運動和蛋白質(zhì)折疊的結(jié)構(gòu)的相關(guān)問題上，RDIS 優(yōu)于標(biāo)準(zhǔn)技術(shù)。
論文地址：https://www.ijcai.org/Proceedings/15/Papers/042.pdf
用于后驗估算的貝葉斯主動學(xué)習(xí)
Bayesian Active Learning for Posterior Estimation
論文摘要：該論文研究了在可能性評估代價高昂前提下，在貝葉斯設(shè)定中積極的后驗估算?，F(xiàn)有技術(shù)的后驗估算依賴于后驗代表性樣本的形成。這種方法并不能支撐可能性評估方面考的效率。為了進(jìn)行有效的查詢，我們將后驗估算放在有效的回歸框架中進(jìn)行。對于選擇在哪里評估可能性，我們提出兩個近視的查詢策略，并對他們進(jìn)行高斯過程。通過一系列的合成實驗和真實的例子，證實我們的方法比現(xiàn)有的技術(shù)和其他啟發(fā)式后驗估算有著更顯著的查詢效率。
論文地址：https://www.ijcai.org/Proceedings/15/Papers/507.pdf
通過隨機向量實現(xiàn)高維度貝葉斯優(yōu)化
Bayesian Optimization in High Dimensions via Random Embeddings
論文摘要：貝葉斯優(yōu)化技術(shù)已成功應(yīng)用于機器人、決策規(guī)劃、傳感器安置、推薦、廣告、智能化用戶界面和自動算法成形。盡管取得這些成功，該方法僅限于中等規(guī)模的問題，而貝葉斯優(yōu)化的幾次研討會已將其放到更高的維度作為一個領(lǐng)域的圣杯。在本文中，我們引入一個新的隨機嵌入的思路，來應(yīng)對這一問題。由此產(chǎn)生的隨機嵌入貝葉斯優(yōu)化算法（REMBO）很簡單，并適用于絕對連續(xù)變量領(lǐng)域。實驗證明該方法有效解決高維問題，包括流行的混合整數(shù)線性規(guī)劃求解器的自動參數(shù)配置。
論文地址：https://www.ijcai.org/Proceedings/13/Papers/263.pdf
簡單時態(tài)問題的靈活性及去耦
Flexibility and Decoupling in the Simple Temporal Problem
論文摘要：在本文中，我們重點尋找一個合適的度量，以確定簡單時態(tài)問題（STP）的適應(yīng)性。在評估一些已經(jīng)提出的適應(yīng)性指標(biāo)之后，我們推斷這些指標(biāo)未能捕捉到在 STP 指定事件之間的相關(guān)性，導(dǎo)致了對現(xiàn)有系統(tǒng)適應(yīng)性的高估。我們建議，在不相關(guān)的時間間隔基礎(chǔ)上，對 STP 事件的允許啟動時間使用一個直觀且更易于接受的適應(yīng)性指標(biāo)。這個指標(biāo)被證明可以計算在低多項式的時間。作為一個靈活計算的副產(chǎn)品，我們得到一個分解的 STN 幾乎免費：對事件空間里每一個可能的 k-partitioning，都可以在 O(k)-time 進(jìn)行分解計算。更重要的是，我們證明了與當(dāng)前普遍觀點相反的事實：這樣的分解不影響原始 STP 的適應(yīng)性。
論文地址：https://www.ijcai.org/Proceedings/13/Papers/356.pdf
博爾達(dá)計數(shù)下的無加權(quán)聯(lián)合操縱是 NP 難題
Unweighted Coalitional Manipulation Under the Borda Rule is NP-Hard
論文摘要：Borda 投票規(guī)則是一個基于位置的積分規(guī)則，面向 M 個候選人，規(guī)定第一位選舉候選人獲得 M－1 分，第二位獲得 M－2 分，以此類推?？偡肿罡叩暮蜻x人成為最終的勝出者。Borda 規(guī)則下的無加權(quán)聯(lián)合操縱問題的計算復(fù)雜度，一直都是一個突出的開放性問題：是否可以添加一定的額外投票數(shù)（稱為操縱器）選舉一位杰出的候選人成為勝出者？我們通過顯示 NP 難度來解決這個開放的問題，即使是有兩個操縱器和三個輸入票。此外，我們還討論了這個難題結(jié)果的擴展和局限性。
論文地址：https://www.ijcai.org/Proceedings/11/Papers/021.pdf
2D 與 3D 歐幾里得空間中連接約束的判別
On the Decidability of Connectedness Constraints in 2D and 3D Euclidean Spaces
論文摘要：我們研究了（無量詞）空間約束語言，它具有相等、接觸和連通性謂詞，以及在低維歐幾里德空間經(jīng)過解釋的區(qū)域上的布爾運算。 我們的實驗表明，推理的復(fù)雜性根據(jù)空間的維度和所考慮的區(qū)域類型而發(fā)生巨大變化。 例如，具有內(nèi)部連通性謂詞（并且沒有接觸）的邏輯對于 R 的 2 次方中的多邊形或常規(guī)閉合集、R 的 3 次方中的多面體上的 EXPTIME-complete 問題以及 R 的 3 次方中的常規(guī)閉合集上的 NP-complete 問題都是不可判定的。
論文地址：https://www.ijcai.org/Proceedings/11/Papers/165.pdf
對于蒙特卡洛樹搜索的嵌套輸出策略的調(diào)整
Nested Rollout Policy Adaptation for Monte Carlo Tree Search
論文摘要：蒙特卡洛樹搜索（MCTS）方法最近在游戲、規(guī)劃和優(yōu)化等領(lǐng)域的取得成功。MCTS 是利用輸出來指導(dǎo)搜索；其中一個展示的是隨機決策樹在每一層的下降路徑，直到到達(dá)葉子。MCTS 的結(jié)果會受到適當(dāng)?shù)牟呗詮娏矣绊懖⑹馆敵鼋Y(jié)果出現(xiàn)偏差。以往的 MCTS 工作中，大多都使用靜態(tài)隨機或特定領(lǐng)域的策略。在決定性的優(yōu)化問題上，我們描述了一種新的方法，即動態(tài)模擬搜索中的輸出策略。我們的出發(fā)點是 Cazenave 的原始嵌套蒙特卡洛搜索（NMCS），相比直接操縱決策樹本身，我們在嵌套搜索的每個層級上使用梯度上升的輸出策略。我們以這一新的嵌套輸出策略調(diào)整（NRPA）算法為基準(zhǔn)并檢測其表現(xiàn)。我們的測試問題是填字游戲和五子棋。在適當(dāng)?shù)臅r間規(guī)模下，相比 NMCS，NRPA 可以大大提高搜索效率，并在較長的時間的維度下，在測試問題中的改進(jìn)也都超過了以往所有的解決方式。新的五子棋解決方案在保持了超過 30 年人類記錄的基礎(chǔ)上實現(xiàn)了提升。
論文地址：https://www.ijcai.org/Proceedings/11/Papers/115.pdf
Horn SHIQ 本體論的結(jié)果驅(qū)動推導(dǎo)
Consequence-Driven Reasoning for Horn SHIQ Ontologies
論文摘要：我們?yōu)?nbsp;Horn SHIQ 本體論提出了一個新的推理程序——可將 SHIQ 本體論轉(zhuǎn)換為一階邏輯的 Horn 片段。與傳統(tǒng)的本體推理程序相比，該推理程序不構(gòu)建模型或模型表示，而是通過推導(dǎo)新的結(jié)論性公理來實現(xiàn)。它與 EL ++本體論所謂的基于完成的程序關(guān)聯(lián)度很高，且可被視為后者其中的一項擴展。 實際上，我們提出的程序在理論上對于 Horn SHIQ 本體以及 EL ++ 和 SHIQ 的常見片段是最佳的。該程序在大型醫(yī)學(xué)本體上進(jìn)行的初步實證評估表明，與現(xiàn)有的本體推理機相比，我們的程序有了明顯的改進(jìn)。具體而言，該程序的實現(xiàn)能夠?qū)?Galen 可用性最高的 OWL 版本進(jìn)行分類。 據(jù)我們所知，目前還沒有其他推理機能夠?qū)@一本體進(jìn)行分類。
論文地址：https://www.ijcai.org/Proceedings/09/Papers/336.pdf
使用查詢實現(xiàn)學(xué)習(xí)條件偏愛網(wǎng)絡(luò)
Learning Conditional Preference Networks with Queries
論文摘要：我們研究了在等價精確學(xué)習(xí)和成員查詢的著名模型中誘發(fā) CP-nets 的問題，目標(biāo)是通過引導(dǎo)用戶通過一系列的查詢確定一個二進(jìn)制值的偏好序列。每個示例都是對產(chǎn)出結(jié)果的優(yōu)勢度測試。在此設(shè)置中，我們表明了非循環(huán)的 CP-nets 僅根據(jù)等值查詢是不具備學(xué)習(xí)性的，但如果給定的示例被限制交換，它們在成員查詢的幫助下是可以學(xué)習(xí)的。任意示例中的樹形 CP-nets 都具有相似的屬性。事實上，針對查詢復(fù)雜度僅為屬性數(shù)的對數(shù)問題，成員查詢允許我們提供屬性有效的算法。這個結(jié)果強調(diào)了該模型在更多屬性的領(lǐng)域中啟用 CP-nets 的有效性。
論文地址：https://www.ijcai.org/Proceedings/09/Papers/319.pdf
大規(guī)模多級隨機整數(shù)程序的在線預(yù)測算法性能分析
Performance Analysis of Online Anticipatory Algorithms for Large Multistage Stochastic Integer Programs
論文摘要：盡管近年來在算法方面取得了重大進(jìn)展，然而現(xiàn)存方法距離為大規(guī)模、多級隨機組合優(yōu)化問題找到最佳策略還存在很遠(yuǎn)一段距離。該論文研究了一種互補的方法——在線預(yù)測算法，該算法通過解決多個場景的預(yù)測松弛問題在每個步驟做出決策。在線預(yù)測算法在多個應(yīng)用中都實現(xiàn)了令人驚喜的好結(jié)果，同時這篇論文旨在闡述得出這一結(jié)果的過程。特別地，該論文在在線預(yù)測算法實現(xiàn)了良好的預(yù)期效用并研究了在算法中出現(xiàn)的各類誤差（包括預(yù)測誤差和抽樣誤差等）的情況下得到了充分條件。實驗顯示，針對對數(shù)個場景，抽樣誤差可以忽略不計，而預(yù)測誤差對于現(xiàn)有的應(yīng)用來說，無論在理論上還是實驗中，都更難以綁定且非常小。
論文地址：https://www.aaai.org/Papers/IJCAI/2007/IJCAI07-319.pdf
使用貝葉斯網(wǎng)絡(luò)實現(xiàn)從超聲圖像進(jìn)行自動化心臟壁異常活動探測
Automated Heart Wall Motion Abnormality Detection From Ultrasound Images using Bayesian Networks
論文摘要：冠心病可以通過評估左心室超聲圖像中心臟壁的局部運動來診斷。我們描述了一個強大的全自動化技術(shù)，通過檢測和自動跟蹤左心室的心內(nèi)膜和外膜來檢測患病心臟病。基于局部很整個左心室壁的運動，心臟壁區(qū)域和整個心臟會被劃分為正常區(qū)域和非正常區(qū)域。為了利用心臟的結(jié)構(gòu)信息，我們對這個問題應(yīng)用貝葉斯網(wǎng)絡(luò)，并通過使用結(jié)構(gòu)學(xué)習(xí)算法的數(shù)據(jù)，了解心臟壁面區(qū)域之間的關(guān)系。我們通過心臟解剖學(xué)知識和醫(yī)生描述的醫(yī)學(xué)規(guī)則檢查了獲得的結(jié)構(gòu)的有效性。貝葉斯網(wǎng)絡(luò)分類器僅依賴于一個小的子集，該子集的數(shù)值特征通過時間追蹤和濾波器的選擇方法提取對偶輪廓。我們的數(shù)值結(jié)果證實了我們的系統(tǒng)在醫(yī)院日常實踐中收集的超聲心動圖中是可靠和準(zhǔn)確的，我們的系統(tǒng)就是為現(xiàn)實的使用而建立。
論文地址：https://www.ijcai.org/Proceedings/07/Papers/082.pdf
在 SAT 本地搜索中構(gòu)建結(jié)構(gòu)
Building Structure into Local Search for SAT
論文摘要：在本文中，我們表明本地搜索技術(shù)能有效地發(fā)掘問題結(jié)構(gòu)信息，并且在結(jié)構(gòu)化問題的例子的表現(xiàn)中產(chǎn)生顯著的改善。在 Ostrowski 等人的早期工作的基礎(chǔ)上，我們描述了如何將變量相關(guān)性信息內(nèi)置到本地搜索中，以便只有獨立變量被考慮反轉(zhuǎn)。通過使用模型依賴于使用關(guān)口的變量的依賴框架，其每次反轉(zhuǎn)的成本效應(yīng)就可以被動態(tài)計算。困難結(jié)構(gòu)基準(zhǔn)問題的實驗研證實了我們的新方法顯著優(yōu)于此前報道的最佳本地搜索技術(shù)。
論文地址：https://www.ijcai.org/Proceedings/07/Papers/380.pdf
學(xué)習(xí)協(xié)調(diào)分類器
Learning Coordination Classifiers
論文摘要：我們提出了一種只需學(xué)習(xí)單個基本分類器的新的集成分類方法，它的思路是學(xué)習(xí)一個能同時預(yù)測測試標(biāo)簽對的分類器，而不是學(xué)習(xí)單個測試標(biāo)簽的多個預(yù)測器，然后通過在數(shù)據(jù)上傳播圖上的信念來協(xié)調(diào)各個標(biāo)簽的分配。我們認(rèn)為即便對于獨立的同分布（iid）數(shù)據(jù)，該方法在統(tǒng)計上也能發(fā)揮很好的激勵作用。 實際上，實驗結(jié)果顯示，這一方法在一系列 iid 數(shù)據(jù)集和一組基本分類器上的分類準(zhǔn)確度，都要優(yōu)于單一樣本分類器。與增強類似，該技術(shù)通過分類器組合的基本形式來控制方差，從而增加表征能力。
論文地址：https://www.ijcai.org/Proceedings/05/Papers/1585.pdf
解決跳棋問題
Solving Checkers
論文摘要：AI 在游戲程序方面取得了巨大的成功，能夠與人類最好的玩家媲美。而具有大型存儲器和磁盤的快速、充裕的機器的可用性則為解決一款游戲問題創(chuàng)造了可能性。在這之前，一些相對簡單或小型的游戲已經(jīng)實現(xiàn)了。在這篇論文中，我們提出了解決跳棋游戲的新思路和新算法。跳棋游戲是一款廣受歡迎的競技游戲，存在 10 的 20 次方個可能位置的搜索空間。本論文展示了我們的第一個實驗結(jié)果，解決了其中一個最具挑戰(zhàn)性的跳棋開局問題——白旗先行導(dǎo)致平局。解決大概 50 多場開局問題將會讓跳棋的游戲理論價值得到肯定。
論文地址：https://www.ijcai.org/Proceedings/05/Papers/0515.pdf
信息抽取冗余的概率模型
A Probabilistic Model of Redundancy in Information Extraction
論文摘要：無監(jiān)督信息抽?。║IE）是一項從文本中提取知識的任務(wù)，該任務(wù)無需使用手動標(biāo)注訓(xùn)練樣本。無監(jiān)督信息抽取和信息抽取二者的一個基本問題就是評估抽取信息的正確率。在網(wǎng)頁等大型資料庫中，不同的檔案中往往存在重復(fù)地提取相同的知識的情況。那信息抽取的這種冗余會怎樣影響正確率呢？
這篇論文介紹了一個組合的「ball-and-urns」模型，該模型能夠計算出樣本大小、冗余以及來自多個不同抽取規(guī)則的確證對于抽取信息的正確率的影響。我們描述了在實踐中估計模型參數(shù)的方法，并通過實驗證明，對于 UIE 來說，該模型的對數(shù)似然性平均比使用逐點互信息（PMI）以及此前在工作中使用的 noisy-or 模型的對數(shù)似然性要高出 15 倍。對于監(jiān)督信息抽取而言，該模型的性能可與支持向量機以及邏輯回歸媲美。
論文地址：https://www.ijcai.org/Proceedings/05/Papers/1390.pdf
德州撲克的游戲理論最優(yōu)策略近似
Approximating Game-Theoretic Optimal Strategies for Full-scale Poker
論文摘要：德州撲克的游戲理論最優(yōu)策略的首個完全近似的計算問題得到解決。該論文將幾種抽象技術(shù)進(jìn)行組合以表示大小為 O（10 的 18 次方）的兩位玩家的德州撲克游戲，同時使用每個大小都為 O（10 的 7 次方）的密切相關(guān)的模型。 盡管大小系數(shù)減少了 1000 億，但最終模型仍保留了真實游戲的關(guān)鍵屬性和結(jié)構(gòu)。 將抽象游戲的線性編程解決方案用來創(chuàng)建大幅改進(jìn)的撲克游戲程序，不僅能夠擊敗強大的人類玩家，還能與世界級的選手對戰(zhàn)。
論文地址： https://www.ijcai.org/Proceedings/03/Papers/097.pdf
即時定位與地圖構(gòu)建的稀疏連接樹濾波器
Thin Junction Tree Filters for Simultaneous Localization and Mapping
論文摘要：即時定位與地圖構(gòu)建（SLAM）是移動機器人的一個基本問題：當(dāng)機器人在未知環(huán)境中進(jìn)行導(dǎo)航時，它必須逐步構(gòu)建周圍環(huán)境的地圖，并同時在該地圖內(nèi)對自身進(jìn)行定位。一種常用的解決方案是將 SLAM 視為估計問題，并應(yīng)用卡爾曼濾波器，這種方法很講究，但無法很好地擴展：信念狀態(tài)的大小和濾波器更新的時間復(fù)雜度都會在地圖中的地標(biāo)數(shù)量上呈二次方增長。本文提出了一種過濾技術(shù)，它將信念狀態(tài)的易處理近似維持為一個稀疏連接樹。連接樹隨著過濾器的更新增長，并通過有效的最大似然投影周期性地「變稀疏」，因而其推斷仍然易于處理。當(dāng)應(yīng)用于 SLAM 問題時，這些稀疏連接樹濾波器具有線性空間信念狀態(tài)和線性時間濾波操作。進(jìn)一步的近似所生成的濾波操作通常是恒定時間的。本論文對一系列 SLAM 問題進(jìn)行的實驗，也對這種方法進(jìn)行了驗證。
論文地址：https://www.ijcai.org/Proceedings/03/Papers/166.pdf
基于架構(gòu)的因果關(guān)系的復(fù)雜結(jié)果
Complexity Results for Structure-Based Causality
論文摘要：我們給出了 Pearl 結(jié)構(gòu)模型中因果關(guān)系的計算復(fù)雜性的精確圖像，在該模型中，我們關(guān)注變量之間的因果關(guān)系、事件因果關(guān)系以及概率因果關(guān)系。至于變量之間的因果關(guān)系，我們考慮因果不相關(guān)的概念、原因、上下語境中的原因、直接原因和間接原因。針對事件因果關(guān)系，我們分析了必要和可能原因的概念的復(fù)雜度，以及 Halpern 和 Pearl 所提出的弱和實際原因的復(fù)雜概念。在此過程中，我們也證明了 Halpern 和 Pearl 所提出的一個開放式猜想，并展示了其他的語義結(jié)果。然后，我們分析了與概率因果無關(guān)的概率概念的復(fù)雜性、事件的可能原因以及事件的發(fā)生，而忽略其他事件。除此之外，我們還考慮涉及反事實公式的決策和優(yōu)化問題。據(jù)我們所知，該領(lǐng)域迄今為止尚未考慮結(jié)構(gòu)模型方法中因果關(guān)系的復(fù)雜度方面，而我們的實驗結(jié)果中則體現(xiàn)了這一問題。雷鋒網(wǎng)
論文地址：https://www.sciencedirect.com/science/article/pii/S0004370202002710
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
專題
