AMiner 会议论文推荐第八期

原创

于 2020-10-23 18:04:07 发布 · 3.4k 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#机器学习 #人工智能 #深度学习

本文介绍了AMiner平台上最新的三篇学术论文，分别是解决归纳逻辑编程局限的ILP系统Brute，利用因果推理改善弱监督语义分割的Causal Intervention，以及融合领域知识的端到端事件时间关系提取方法。展示了这些研究在各自领域内的突破和提升。

AMiner平台由清华大学计算机系研发，拥有我国完全自主知识产权。平台包含了超过2.3亿学术论文/专利和1.36亿学者的科技图谱，提供学者评价、专家发现、智能指派、学术地图等科技情报专业化服务。系统2006年上线，吸引了全球220个国家/地区1000多万独立IP访问，数据下载量230万次，年度访问量超过1100万，成为学术搜索和社会网络挖掘研究的重要数据和实验平台。

IJCAI 2020 论文推荐

Learning large logic programs by going beyond entailment

归纳逻辑编程（ILP）的主要挑战是学习大型程序。作者认为，现有系统的主要局限性在于它们使用蕴含量（entailment）来指导假设搜索。这种方法是有限的，因为蕴含是一个二元决策：一个假设要么包含一个示例，要么不包含一个示例，并且没有中间位置。
为了解决这一局限性，我们不仅仅局限于此，而是使用example-dependent损失函数来指导搜索，在该假设中，假设可以部分覆盖示例。作者在新的ILP系统Brute中实现了这个想法，该系统使用依赖于示例的损失函数的最佳优先搜索来逐步构建程序。作者在三个不同的程序综合域（机器人计划、字符串转换和ASCII艺术）上进行的实验表明，就预测准确度和学习时间而言，Brute可以大大胜过现有的ILP系统，并且可以学习比最先进的系统大20倍的程序。

论文链接：https://www.aminer.cn/pub/5ea16