AMiner会议论文推荐第六十九期

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。

WWW 2021 论文推荐

AutoSTG: Neural Architecture Search for Predictions of Spatio-Temporal Graphs（AutoSTG：时空图预测的神经架构搜索）

论文链接：https://www.aminer.cn/pub/605aa5da9e795e05e0f2651b/?conf=www2021

推荐理由： 时空图是描述城市感知数据的重要结构，例如，交通速度和空气质量。通过时空图进行预测，可以实现智慧城市中的诸多基本应用，如交通管理和环境分析。近来，许多深度学习模型应用于时空图预测，并取得了显著的效果。然而，设计神经网络需要丰富的领域知识和专家概念。为此，作者研究了时空图的自动神经架构搜索，并将其应用于城市交通预测。该算法满足了两个挑战：1）如何定义搜索空间，以捕捉复杂的时空相关性；2）如何学习与时空图的对应属性图相关的网络权重参数。

Surrounded by the Clouds（云雾缭绕）

论文链接：https://www.aminer.cn/pub/60641ce09e795e72406b6611/?conf=www2021

推荐理由： 在云计算的早期，数据中心稀疏地部署在远离终端用户的远处，端到端通信延迟高。然而，如今的云计算数据中心在地理上的分布越来越广，网络的带宽不断增加，推动了终端用户的时延降低。在本文中，作者提供了一个全面的云可到达性研究，对来自所有主要云提供商的189个数据中心进行了广泛的全球客户端到云的延迟测量。该工作利用著名的测量平台RIPE Atlas，涉及部署在异构环境（如家庭和办公室）中的多达8500个探头，目标是评估现代云环境对各种当前和预测应用的适用性。作者通过将他们的延迟测量结果与已知的人类感知阈值进行比较以实现上述目标，并能够推断出当前云对新型应用（如增强现实）的适用性。实验结果表明，当前的云覆盖范围可以为世界上大多数人口轻松地支持几个延迟关键型应用，如云游戏。

Network of Tensor Time Series（张量时间序列网络）

论文链接：https://www.aminer.cn/pub/602bbbcc91e0113d72356f01/?conf=www2021

推荐理由： 协同演化的时间序列出现在环境监测、金融分析、智能交通等众多应用中。本文旨在解决以下挑战：(1)如何加入时间序列的显性关系网络；(2)如何模拟时间动态的隐性关系。同时，作者提出了一个新的模型，称为张量时间序列网络，它由两个模块组成：张量图卷积网络(TGCN)和张量循环神经网络(TRNN)。TGCN通过将平面图的图卷积网络(GCN)泛化到张量图中来解决第一个挑战，它抓住了与张量相关的多个图之间的协同作用。TRNN利用张量分解来模拟共同演化的时间序列之间的隐性关系。在五个真实世界数据集上的实验结果证明了所提出的方法的有效性。

AMiner，AI赋能的学术搜索平台：https://www.aminer.cn/

#AMiner# #论文#