IJCAI奖项全公布，华人斩获最佳学生论文奖！

AI科技评论 · 公众号 · AI · 2017-08-22 07:54

正文

雷锋网AI科技评论消息，北京时间8月23号，经过3天的Tutorial和workshop预热，IJCAI大会今天正式开幕。

开幕式上，主办方公布了一系列数据：提交到IJCAI的论文总数2540份，有660份被接收，总共有750份论文被受理。

会议上介绍道，本次收录论文的关键字主要集中在Machine Learning，KR，Agent－based and MAS等如下关键词。

提交的2000多份论文总数中，中国占据了879份，占比最大，其次是欧洲（445份），美国（431份）。

而其中，接收的论文总数同样被中国学者引领，达到475篇（34%），欧洲、美国、澳大利亚、日本等紧随其后。

论文审核过程也尽量遵循公平公正的原则，随后，大会颁布了颁布了最佳论文奖和最佳学生论文奖。

最佳论文奖

使用Limit Datalog程序的声明数据分析的基础

下载地址：https://arxiv.org/pdf/1705.06927.pdf

雷锋网Ai科技评论注：分析复杂数据目前是非常热的话题，这种分析，例如数据聚合、属性验证或查询回答等，现在主要是通过指定如何操作数据来完成，但是当数据较为复杂时这种方式表现并不是很好。现在有人提出数据分析应当被声明，也就是说用户应当描述期望输出是什么，而不是怎么计算它。例如，在一张图中，不是通过具体的算法来计算最短路径，而是应当1）描述什么是路径长度；2）选择最小长度的路径。

在数据分析中，近来有人提出了声明数据分析（declarative data analysis）方法，这种方法一个重要组成部分就是能够捕获相关任务的有效语言，Datalog_Z（支持递归）是其首选，但是这种语言是不可判定的。我们通过引入limit Datalog_Z并对使用乘法进行约束，事实蕴涵在聚合中将变得conExpTime-完整，在数据复杂性中变得coNP完整。此外，额外的稳定性要求会导致复杂性分别下降到ExpTime和PTime。最后我们展示了稳定的Datalog_Z可以用来表达许多数据分析任务，所以我们的这些结果将为高级信息系统的开发提供一个坚实的基础。

最佳学生论文奖

雷锋网AI科技评论注：标记解脱生成对抗网络（Tag Disentangled Generative Adversarial Networks，TDGAN）

在本文中，我们提出了一个原理性的标记解脱生成对抗网络（TDGAN），用于通过指定多个场景属性（如视点，照明，表情等）从单个图像重新渲染出感兴趣对象的新图像。整个框架由解离网络（Disentangled Network），生成网络（Generative Network），标签映射网络（Tag Mapping Net）和辨别网络（Discriminative Network）组成，它们基于完全/部分标记的给定图像集（即监督/半监督设置）来联合训练。给定一张输入图像，解离网络将提取解离的、可解释的表示，随后生成网络将用它来生成图像。为了提高解离表示的质量，于是在我们的框架中集成了标签映射网络来探测图像与其标签之间的一致性。此外，引入辨别网络以实现用于生成更逼真图像的对抗训练策略。两个有挑战性的数据集实验证明了这种框架在这些问题上的优良表现。

附现场最佳论文获奖图