计算机所师生参加IJCAI 2019

人工智能(AI)领域顶级国际会议--人工智能国际联合大会(International Joint Conference on Artificial Intelligence,简称IJCAI 2019)于2019年8月10日-16日在中国澳门召开。计算机所师生前往参会。

IJCAI会议始于1969年,是国际人工智能领域研究内容最为全面、最具影响力的顶级学术会议之一,会议内容涵盖了人工智能理论与架构、机器学习、自然语言处理、计算机视觉、机器人科学等领域,会议论文基本代表人工智能领域最新研究进展和最高研究水平。

本次会议共接收论文4752篇,录取850篇,录取率仅为17.9%。计算机所师生在本次会议共发表论文8篇,分别做了口头报告和海报展示。 论文的具体信息如下:

[1] Kangle Deng, Tianyi Fei, Xin Huang and Yuxin Peng. IRC-GAN: Introspective Recurrent Convolutional GAN for Text-to-video Generation.

本文提出了一种基于互信息约束的递归卷积生成网络方法。一方面提出递归卷积生成器 (Recurrent Transconvolutional Generator),将LSTM记忆单元融合于2D反卷积层内部,提高了视频每帧的清晰度以及各帧之间的连续性,提升了视觉质量。另一方面提出了基于互信息的内省式语义对齐方法 (Mutual-Information Introspection),通过互信息内省计算视频和文本之间的语义相似度,并最大化语义相似度来保证语义一致性。

[2] Zhesong Yu, Xiaoshuo Xu, Xiaoou Chen, Deshun Yang. Temporal Pyramid Pooling Convolutional Neural Network for Cover Song Identification.

本文在音频领域引入了时序金字塔池化卷积等方法,在音乐版本鉴别领域达到了state-of-the-art。

于哲松做海报展示

[3] Wenpeng Hu, Zhangming Chan, Bing Liu, Dongyan Zhao, Jinwen Ma and Rui Yan. A Graph-structured Neural Network for Dialogue Systems.

本文探讨了更复杂及一般场景下的群聊对话建模,提出了一种能够处理不同信息流以及适应复杂对话带有结构性信息的对话建模方法。

胡文鹏做口头汇报

[4] Xiuying Chen, Zhangming Chan, Shen Gao, Meng-Hsuan Yu, Dongyan Zhao and Rui Yan. Learning towards Abstractive Timeline Summarization.

时间轴摘要的目标是精确总结事情发展在时间轴上的演化轨迹,现有的时间轴摘要方法都是基于抽取式的方法。本文提出了基于记忆网络的生成式时间轴摘要。

[5] Xueliang Zhao, Chongyang Tao, Wei Wu, Can Xu, Dongyan Zhao and Rui Yan. A Document-grounded Matching Network for Response Selection in Retrieval-based Chatbots.

本文提出了一种基于文档指导下的检索式对话系统,该模型将文档和上下文的表示相互融合,并且使用层级交互机制动态决定是否有必要考虑文档以及文档和上下文中不同部分的重要性。

[6] Yuting Wu, Xiao Liu, Yansong Feng, Zheng Wang, Rui Yan, Dongyan Zhao. Relation-Aware Entity Alignment for Heterogeneous Knowledge Graphs.

针对多个异构知识图谱的实体对齐问题,本文提出了一种新颖的对偶图卷积网络,通过知识图谱及其对偶关系图之间的多次交互来有效利用更深层更复杂的关系信息,以获取更好的实体表示。

     

吴雨婷做口头报告

[7] Yitao Cai, Xiaojun Wan. Multi-Domain Sentiment Based on Domain-Aware Embedding and Attention.

本文使用多任务学习的框架,同时对领域分类和情感分类进行训练,为不同领域的文本动态生成词向量和查询向量,以此将多个领域数据集结合使用,提升多领域文本情感分类准确率。

蔡懿韬做口头报告

[8] Tianming Wang, Xiaojun Wan. T-CVAE: Transformer-Based Conditioned Variational Autoencoder for Story Completion.

本文使用基于Transformer的CVAE生成故事情节和补全故事。

王天明做口头报告

CLOSE

上一篇 下一篇