实验室1篇论文被AAAI-19录用

3

06 11月 实验室1篇论文被AAAI-19录用

会议资讯


AAAI(Thirty-Third AAAI Conference on Artificial Intelligence)是CCF A类国际学术会议,也是人工智能领域的顶级会议

AAAI-19总共收到了7700篇论文投稿,最终仅以16.2%的录用率收录了1150篇论文,创造历史最低录用率。实验室与美图数据团队(MTdata)合作的论文Tensor Decomposition for Multilayer Networks Clustering被该会议录用,第一作者为实验室的研究生陈子泰同学。

论文简介


多层网络上的聚类已被证实是一种能有效提高准确率的方法。各种多层网络聚类算法都是假设所有网络都源于潜在的聚类结构,并共同学习来自不同网络的兼容互补信息,以发掘一个共享的底层结构。然而,由于无关数据的存在,这个假设与许多现实中的实际应用相冲突。其中一个关键挑战是如何自动集成不同的数据表示来获得更好的预测表现。为此,我们提出了一种基于中心的多层网络聚类(CMNC)方法,它可以将不相关的关系划分为不同的网络组的同时揭示每个组中的聚类结构。多层网络在统一张量框架内表示,用于同时捕捉一组实体之间的多种类型的关系。通过使用非负约束的 rank-(Lr, Lr, 1)的张量分解(block term decomposition),我们能够基于图切割理论来很好的解释多个聚类结果。在数值上,我们将这个张量分解问题转化为了无约束的最优化问题,从而可以通过 nonlinear least squares (NLS)来求解。在大量的人工和真实数据集上的实验结果证实了我们的方法在面对无关数据时的有效性和鲁棒性。