实验室两项研究成果被IJCAI2015会议录用
文章来源:  |  发布时间:2015-04-17  |  【 】 【打印】 【关闭】  |

  人工智能国际联合大会(IJCAI)国际人工智能协会两年一度的学术性会议,是世界顶级的人工智能会议之一,今年的IJCAI将于2015年7月在阿根廷布宜诺斯艾利斯举办。实验室王泉助理研究员等人完成"Knowledge base completion using embeddings and rules" 以及硕士研究生卢伟雪等人完成 "Influence Maximization in Big Networks: An Incremental Algorithm for Streaming Subgraph Influence Spread Estimation"被IJCAI 2015 录用。

  知识图谱是实体和关系构成的异质有向图,然而大部分知识图谱只涵盖极少部分知识,因而对知识图谱进行知识推理成为一个重要且极具挑战性的任务。知识图谱其符号化的表示形式严重制约了其计算与建模,而基于实体/关系隐式空间表示学习的推理方法有效地弥补了这一缺陷,但是这一类方法并没有在推理过程中将规则信息考虑在内,制约了推理精度的提高。论文"Knowledge base completion using embeddings and rules"这一工作以此为突破口,试图以0-1型整数线性规划为纽带构建新的模型从而将规则信息融入到表示学习模型中,进而提高推理精度。

  近十几年来,关于影响最大化问题涌现了很多的研究工作,但是如何设计出高精度同时运行速度又快的算法到目前仍然是一个难题。尤其是伴随着大数据时代的到来,社交网络数据规模越来越大,如何在如此大规模的网络上快速而又精确地进行影响估计并找出有影响力的节点变成了一个重要且极具挑战的问题。针对这个问题,"Influence Maximization in Big Networks: An Incremental Algorithm for Streaming Subgraph Influence Spread Estimation"这项工作首次提出以子图流的方式处理整个网络,增量式估计影响范围并应用于影响最大化中关键节点的选取,使得算法可以处理更大规模的网络,并且运行效率比现有算法高出两个数量级。

  

版权所有 © 信息内容安全技术国家工程实验室 备案序号:京ICP备00000000号
地址:北京市海淀区闵庄路甲89号 邮编:100093