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

對學術(shù)學議有所關(guān)注的讀者朋友們都知道，國際學術(shù)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(wǎng)旗下 AI 科技評論也將對此次大會做持續(xù)關(guān)注。

周志華教授曾提及，AAAI 2017 原定于春節(jié)期間在新奧爾良舉行，但經(jīng)華人學者的努力，組委會首次考慮中國春節(jié)因素，重新調(diào)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(xiàn)了不少熟悉的新面孔，騰訊、小 i 機器人、字節(jié)跳動（今日頭條）都在今年的贊助商之列。國內(nèi)公司對人工智能國際學術(shù)會議的重視與支持，同樣讓我們看到了「中國創(chuàng)造」的科技力量。

AAAI 2017 既然作為一個人工智能的學術(shù)會議，收錄的論文也同樣值得我們關(guān)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(shù)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(nèi)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(wǎng) 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(xiàn)人工智能化的管理。據(jù)稱，百度的智能化人才管理系統(tǒng)目前算得上是全球首創(chuàng)，將采用人工智能探討如何從員工的視角讓公司產(chǎn)生更大的人力價值。

深度學習實驗室高級總監(jiān)林元慶也領(lǐng)導團隊提交了一篇關(guān)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(zhàn)在于尋找最具區(qū)分度的本地區(qū)域，并引入了一個屬性引導的定位方案。通過設(shè)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(xiàn)區(qū)域空間與語義的區(qū)分。此外，團隊在 CUB-200-2011 數(shù)據(jù)集上也已經(jīng)證明了該方案的優(yōu)越性。

還以為攜程只是一家旅游網(wǎng)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(fā)的通用化推薦系統(tǒng)而寫就，并獲得了上海經(jīng)信委專項基金支持。根據(jù)攜程團隊的說法，論文提及系統(tǒng)采用了深度神經(jīng)網(wǎng)絡(luò)的自動編碼技術(shù)，目前陸續(xù)落地了 50 余個個性化場景，而某些場景的轉(zhuǎn)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(chǔ)業(yè)務(wù)研發(fā)部數(shù)據(jù)分析總監(jiān)于磊在接受雷鋒網(wǎng)采訪時表示，這一論文解決了數(shù)據(jù)稀疏的問題。“OTA網(wǎng)站與電商網(wǎng)站不同，用戶的使用頻率較低，因此系統(tǒng)所能獲取的數(shù)據(jù)樣本也比較稀疏。傳統(tǒng)的旅游推薦主要是根據(jù)用戶所瀏覽經(jīng)典的歷史數(shù)據(jù)進行熱門景點的相關(guān)推薦，而我們則采取提取景點的特征，并根據(jù)相關(guān)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(shè)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(shù)的應(yīng)用空間也不局限于旅游，可以延伸到更多領(lǐng)域。

此外，騰訊優(yōu)圖實驗室與廈門大學合作撰寫的學術(shù)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(jiān)督學習，改進了傳統(tǒng)哈希搜索技術(shù)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(guī)模視覺搜索基準數(shù)據(jù)集（LabelMe, Tiny100K 和 GIST1M）中取得了性能較好的結(jié)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(jīng)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(tǒng)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(xiàn)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(jié)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(jīng)網(wǎng)絡(luò)實現(xiàn)了現(xiàn)場解析。這個新穎的 MPF-RNN 能夠提高 RNNs 在不同層次的遠程環(huán)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(quán)連接。

iPIN 團隊的「Recurrent Attentional Topic Model」則利用了深度學習技術(shù)在文檔實現(xiàn)建模，增加了句間的語義相關(guān)性，并基于 Topic Model 應(yīng)用于社會經(jīng)濟圖譜，并研發(fā)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(zhàn)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(wǎng)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(yīng)用還有一段距離。iPIN 公司去年被評選為 AIR Top 25，今年雷鋒網(wǎng)也將持續(xù)關(guān)注他們的動態(tài)。

除了雷鋒網(wǎng)上述提及的公司，AAAI 2017 也有不少中國面孔出現(xiàn)。而更多的中國企業(yè)又將給我們帶來怎樣的驚喜？敬請留意雷鋒網(wǎng)發(fā)來的后續(xù)報道。

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。