?百度、騰訊、華為……哪些國內公司的論文被 AAAI 收錄？| AAAI 2017

對學術學議有所關注的讀者朋友們都知道，國際學術頂級會議 AAAI 2017 于 2 月 4 日到 9 日在美國舊金山舉行，雷鋒網旗下 AI 科技評論也將對此次大會做持續關注。

周志華教授曾提及，AAAI 2017 原定于春節期間在新奧爾良舉行，但經華人學者的努力，組委會首次考慮中國春節因素，重新調整時間地點。由此可見，華人學者的影響力可見一斑。

而除此之外，AAAI 2017 的中國贊助商除了一直以來非常「堅定」的百度外，今年也出現了不少熟悉的新面孔，騰訊、小 i 機器人、字節跳動（今日頭條）都在今年的贊助商之列。國內公司對人工智能國際學術會議的重視與支持，同樣讓我們看到了「中國創造」的科技力量。

AAAI 2017 既然作為一個人工智能的學術會議，收錄的論文也同樣值得我們關注。今年 AAAI 2017 共收到 2,590 篇投稿，錄用 638 篇，錄用率為 24.6%。

自浙江大學團隊于 2012 年斬獲當年最佳論文后，越來越多的華人學者也開始在國際舞臺上嶄露頭角。

• 比如今年清華大學計算機科學與技術系就有 5 篇文章被 AAAI 2017 錄用，分別是：

  劉洋、孫茂松指導的「Bilingual Lexicon Induction from Non-Parallel Data with Minimal Supervision」；

  劉洋指導的「Maximum Reconstruction Estimation for Generative Latent-Variable Models」；

  黃民烈、朱小燕指導的「SSP: Semantic Space Projectionfor Knowledge Graph Embedding with Text Descriptions」；

  劉洋分別為通訊作者和第二作者的「Lattice-Based Recurrent Neural Network Encoders for Neural Machine Translation」和「Neural Machine Translation with Reconstruction」。

• 北大：「Xiangteng He and Yuxin Peng, "Weakly Supervised Learning of Part Selection Model with Spatial Constraints for Fine-grained Image Classification」；

• 復旦：「On the Transitivity of Hypernym-hyponym Relations in Data-Driven Lexical Taxonomies」；

• 浙大：「Community-based Question Answering via Asymmetric Multi-Faceted Ranking Network Learning」；

  ……

值得一提的是，近年來，投遞的論文不僅僅只源于名校的象牙塔，不少國內科技公司的研究院同樣也成為了論文豐收的地方。

而今年的 AAAI 2017 上，百度、騰訊、華為、360、今日頭條、攜程、iPIN 等公司的人工智能團隊都有論文被收錄。雷鋒網 AI 科技評論整理了以上公司提交并入選的 AAAI 論文，以饗讀者。

今年百度共有兩篇論文被 AAAI 收錄，分別是《Collaborative Company Profiling: Insights from an Employee's Perspective》和《Localizing by Describing: Attribute-Guided Attention Localization for Fine-Grained Recognition Xiao》。第一篇論文主要通過介紹如何對人力資源實現人工智能化的管理。據稱，百度的智能化人才管理系統目前算得上是全球首創，將采用人工智能探討如何從員工的視角讓公司產生更大的人力價值。

深度學習實驗室高級總監林元慶也領導團隊提交了一篇關于本地化描述的深度學習論文，主要是解決基于細粒度的識別定位。團隊認為，這一問題的核心挑戰在于尋找最具區分度的本地區域，并引入了一個屬性引導的定位方案。通過設計一種新型的獎勵策略，團隊能夠讓機器在強化學習算法上實現區域空間與語義的區分。此外，團隊在 CUB-200-2011 數據集上也已經證明了該方案的優越性。

還以為攜程只是一家旅游網站？那可就大錯特錯啦。

攜程科研團隊的論文也同樣被 AAAI 2017 收錄，這篇名為「A Hybrid Collaborative Filtering Model with Deep Structure for Recommender Systems」的文章基于公司自主研發的通用化推薦系統而寫就，并獲得了上海經信委專項基金支持。根據攜程團隊的說法，論文提及系統采用了深度神經網絡的自動編碼技術，目前陸續落地了 50 余個個性化場景，而某些場景的轉化率提升了 13 倍之多，有效地提升了用戶的出行體驗。

攜程R&D基礎業務研發部數據分析總監于磊在接受雷鋒網采訪時表示，這一論文解決了數據稀疏的問題。“OTA網站與電商網站不同，用戶的使用頻率較低，因此系統所能獲取的數據樣本也比較稀疏。傳統的旅游推薦主要是根據用戶所瀏覽經典的歷史數據進行熱門景點的相關推薦，而我們則采取提取景點的特征，并根據相關性推薦同類景點。當然，旅游需要考慮的因素因人而異，包括價格、距離等，因此我們需要設計出能平衡這些維度的算法，為用戶提供更好的出行選擇。”于磊也表示，這一技術的應用空間也不局限于旅游，可以延伸到更多領域。

此外，騰訊優圖實驗室與廈門大學合作撰寫的學術論文「Towards Optimal Binary Code Learning via Ordinal Embedding」被 AAAI 2016 收錄，其中提及了保持相對排序的哈希排序算法（OEH+DTW，Ordinal Embedding Hashing and Dynamic Time Warping），采用監督學習，改進了傳統哈希搜索技術中的效能問題。而在今年的「Ordinal Constrained Binary Code Learning for Nearest Neighbor Search」中，黃飛躍采用了一種新型的保持排序散列方法，即 Ordinal Constraint Hashing (OCH)，并在三個大規模視覺搜索基準數據集（LabelMe, Tiny100K 和 GIST1M）中取得了性能較好的結果。

華為諾亞方舟實驗室的李航團隊在今年也同樣有新成果，在「Neural Machine Translation with Reconstruction」中，團隊認為雖然端到端神經機器翻譯（NMT）在過去兩年取得了進展，但一個主要缺點在于 NMT 系統生成的翻譯通常缺乏充分性（adequacy），即反復翻譯一些單詞而錯誤地忽略其它單詞。為了解決這個問題，團隊提出了一個「編碼-解碼-再現器」的 NMT 框架，能夠顯著提升 NMT 輸出的充分性，并獲取更好的翻譯結果。

360 首席科學家顏水成教授的團隊今年也有論文入選 AAAI 2017，「Multi-Path Feedback Recurrent Neural Network for Scene Parsing」，論文考慮通過多路徑反饋的遞歸神經網絡實現了現場解析。這個新穎的 MPF-RNN 能夠提高 RNNs 在不同層次的遠程環境建模的水平，比起原本容易混淆的圖像，能夠獲得更理想的分辨像素。與前饋 CNN 與 RNN 只具有單一反饋不同，MPF-RNN 學會在頂部層級通過多種上下文特征學習底部特征的加權連接。

iPIN 團隊的「Recurrent Attentional Topic Model」則利用了深度學習技術在文檔實現建模，增加了句間的語義相關性，并基于 Topic Model 應用于社會經濟圖譜，并研發一個類 Watson 的認知框架，以輔助用戶決策。“Alpha Go 雖然在圍棋上戰勝了世界冠軍，但是它的決策過程依然是一個黑箱，我們無法知曉它走某一步棋背后的原理何在。IBM Watson 與其他人工智能公司的最大不同在于，它們將理解和分析融入到機器學習中去，而我們也同樣會將機器在決策中的分析過程以邏輯的形式梳理出來。”iPIN CEO 楊洋向雷鋒網表示，雖然目前公司的研究成果還處于試驗階段，距離真正的應用還有一段距離。iPIN 公司去年被評選為 AIR Top 25，今年雷鋒網也將持續關注他們的動態。

除了雷鋒網上述提及的公司，AAAI 2017 也有不少中國面孔出現。而更多的中國企業又將給我們帶來怎樣的驚喜？敬請留意雷鋒網發來的后續報道。

雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。