Paper 研習社本周論文推薦精選 | 第三期

本文作者： AI研習社

2019-09-27 17:47

導語：「本周論文推薦精選」是 Paper 研習社推出的全新欄目。

「本周論文推薦精選」是 Paper 研習社推出的全新欄目，展現社友們在研習論文的過程中，推薦自己所閱讀到的優秀論文，幫助大家一起學習、討論每個領域最新、最精彩的學術論文。

①

#圖學習方法#

基于時序關系排名的股票預測

推薦理由：這篇文章已經于2019年1月發表在了ACM Transactions>為了解決這個問題，作者提出了一種名為Temporal Graph Convolution (TGC)的網絡結構。作者首先通過LSTM網絡從股票價格的時間序列數據中學習時序依賴性，然后通過新提出的TGC網絡，基于時變的股票關系來調整股票之間的時序嵌入。最后再通過一個全連接網絡，通過股票之間的時序嵌入和關系嵌入來得到每只股票的排名，從而指導交易。與其他基于時序特征的股票預測方法相比，作者提出的方法能夠取得更高的收益率。

這篇文章將圖神經網絡在股票預測中的應用向前推進了一步，考慮了時序關系上的變化并提出了新的網絡結構，可以啟發后續的研究進一步挖掘股票關系數據在價格預測中發揮的作用。

論文鏈接：

https://arxiv.org/abs/1809.09441

項目鏈接：

https://github.com/fulifeng/Temporal_Relational_Stock_Ranking

推薦人：琴?福克納（清華大學信息與通信工程，Paper 研習社特約作者）

②

#機器學習#

機器學習的五大類別及其主要算法綜述

推薦理由一：機器學習作為一門源于人工智能和統計學的學科，是當前數據分析領域重點研究方向之一。首先通過追溯機器學習起源和介紹不同算法在求解策略上的啟發性思路，討論五類機器學習的發展及其主要算法在評價方法和優化方式上的實現，進一步總結歸納各算法適用領域和算法優劣，最后指出各算法克服自身缺陷的最新進展和未來實現多算法融合的研究方向。

機器學習來源于早期的人工智能領域，傳統算法包括決策樹、聚類、貝葉斯分類、支持向量機、EM、Adaboost等，在指紋識別、基于Haar的人臉檢測、基于HoG特征的物體檢測等領域的應用基本達到了商業化的要求或特定場景的商業化水平，即便出現了讓人耳目一新的深度學習，但每前進一步都異常艱難，科學的本質是合作，希望通過梳理機器學習的類別與算法，找到融合、持續發展之路。

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：軟件導刊（2002年創刊，國家新聞出版廣電總局首批認定學術期刊。湖北省科學技術廳主管，湖北省科技信息研究院主辦；湖北省科技傳媒有限責任公司出版，國內外公開發行。Paper 研習社特約作者）

③

#人臉識別# #情感分析#

從電影中收集大規模、豐富標注的面部表情數據集

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據。并給出了詳盡的采集準則。

數據集將情感分為六類，分別是Anger, Disgust, Fear, Sadness, Happiness, Neutral和Surprise。它們的樣本數量分別是194, 123, 156, 165，387, 257和144。

數據集也是公開獲取的，可以參見https://cs.anu.edu.au/few/AFEW.html。

數據集除了樣本數量比較多的特點外，還標注了表演者的年齡、性別、姿勢等信息，在多模態人臉情感分析中有著重要的應用。

論文鏈接：

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

推薦人：feima0969（清華大學數據科學，Paper 研習社特約作者）

④

#知識圖譜##推薦系統#

基于知識圖譜注意力網絡的推薦算法

推薦理由：近些年，一些工作嘗試將知識圖譜引入到推薦系統中來提升推薦系統的解釋性。本文將知識圖譜與推薦中的User-Item交互圖建立成一個混合圖，然后設計了知識圖譜注意力網絡KGAT來進行推薦。本文所提出的模型并不復雜，簡單明了直擊要害，是知識圖譜和推薦系統很好結合的一個工作。另外，如何考慮知識圖譜中實體和關系的差異，針對關系的多樣性來設計知識圖譜神經網絡是一個富有挑戰的工作。KGAT設計了Knowledge-aware Attention來聚合鄰居信息并更新節點表示，可以更好地學習知識圖譜的Embedding。

最后，KGAT實驗效果非常好。同時，受益于注意力機制和知識圖譜，實驗結果有很好的可解釋性。具體見實驗部分的case study。

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

推薦人：Houye（北京郵電大學，Paper 研習社首席論文推薦官。）

⑤

#圖神經網絡#

預測且傳播：當圖神經網絡遇上個性化PageRank

推薦理由：圖神經網絡已經成為深度學習領域的熱門方向之一。但是圖神經網絡有個致命缺點：隨著層數的增加，GNN會出現過平滑現象，GNN所學習到的節點表示不再有區分度。有一些工作嘗試對過平滑現象進行解釋。本文基于18ICML JK-Net的結論分析了GNN與PageRank之間的關系，同時同個性化PageRank的角度設計了一個新穎的聚合方式，來克服過平滑問題。個人覺得本文用一種非常優雅的方式解決了過平滑問題，具有非常好的指導意義！

從實驗結果來看，本文所提出的PPNP和APPNP可以將GNN堆疊至幾十層而不出現過平滑現象。隨著層數的增加，PPNP的效果持續增加，同時也超過經典的GCN和GAT。

論文鏈接：https://arxiv.org/abs/1810.05997

推薦人：Houye（北京郵電大學，Paper 研習社首席論文推薦官。）

???

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