国际

近日，高瓴人工智能学院师生有3篇论文被CCF-A类会议ACM SIGKDD（2020）录用。ACM SIGKDD（国际数据挖掘与知识发现大会，简称KDD）是数据挖掘领域的顶级国际学术会议，由美国计算机学会（ACM）数据挖掘及知识发现专委会（SIGKDD）主办，被中国计算机学会（CCF）推荐为A类国际学术会议，至今已举办26届，今年将于2020年8月23日-8月27日在美国加利福尼亚州召开。本届KDD会议共收到Research Track投稿1279篇，其中录用论文216篇，录取率约为16%。

论文介绍

第一作者：王涵之（人大博士生）

通讯作者：魏哲巍教授

作      者：王涵之，魏哲巍，甘骏豪，王思博，黄增峰

论文题目：Personalized PageRank to a Target Node, Revisited

论文概述：Personalized PageRank（简称PPR）是一种图节点邻近度的度量方法，被广泛应用于图挖掘和网络分析等领域。本篇论文关注于单汇点PPR（single-target PPR）的计算问题，提出了一种高效计算single-target PPR的算法RBS，首次使得single-target PPR的计算复杂度达到了理论分析上的下界，即达到了最优计算复杂度。同时，本篇论文使用RBS算法改善了多个single-target PPR应用问题的实验效果，包括频繁命中节点的查询问题（heavy hitters PPR query）、单源SimRank的计算问题、图神经网络中的PPR矩阵计算问题等，进一步验证了RBS算法高效性。

论文介绍

通讯作者：赵鑫副教授

作      者：周昆（北大研究生），赵鑫，卞书青，周远航，文继荣，俞敬松（北大副教授）

论文题目：Improving Conversational Recommender Systems via Knowledge Graph based Semantic Fusion

论文概述：会话推荐系统(CRS)旨在通过交互式会话向用户推荐高质量的商品。尽管会话推荐系统目前已取得一定的成果，但仍有两个主要问题有待解决。首先，对话本身缺乏足够的上下文信息来准确理解用户的偏好。其次，会话文本以自然语言的形式呈现，然而用户的偏好反映在商品或实体上。所以需要增强该部分信息，并且打通以上两种数据信号的语义鸿沟。

为了解决这些问题，我们将面向单词的知识图谱和面向实体的知识图谱结合起来，以分别增强这两种语义单元的表达。此外，我们提出了使用互信息最大化的策略来对齐两个组件的语义空间。在语义对齐的基础上，我们进一步利用了知识图谱强化后的的推荐模块来提供精准的推荐，并利用知识图谱强化后的对话组件来帮助在会话文本中生成信息量丰富的关键字或实体。我们在真实数据集上证明了我们的方法在推荐和会话两个任务的有效性。

论文介绍

参与作者：赵鑫副教授

作      者：吴宁（北航研究生），赵鑫，王静远（北航副教授），潘达岩（北航研究生）

论文题目：Learning Effective Road Network Representation with Hierarchical Graph Neural Networks

论文概述：路网是现代城市交通运输的重要组成部分，广泛应用于和交通有关的各种系统以及应用中。由于其在很多任务中的重要地位，因此开发一个通用、有效并且鲁棒的路网表示模型是一件非常重要的任务。虽然在这个方向已有学者做出了一些努力，然而现有的模型依然不能捕捉到路网复杂的特性。在本文中，我们提出了一个新颖的层次化路网表示模型，名叫HRNR。HRNR通过构建一个多层次的图神经网络模型，分别建模了”功能区域”，“结构区域”以及“路链”。为了建模这三种节点之间的联系，我们引入了两个概率分配矩阵，分别建模了路链到结构区域的映射，以及结构区域到功能区域的映射。然后，我们分别基于路网结构以及人类移动特征设计了两个重构任务。在重构任务的帮助下，我们的节点表示可以同时捕获路网的结构和功能信息。最后，我们设计了一个三阶段的层次化更新机制，用来更新整个网络上三个层次的节点的表示。我们在三个真实数据集和四个任务上评测了我们的方案，并验证了其有效性。