NeurIPS | GNN/CV/NLP/RL 数据和算法合集

顶级会议NeurIPS组织了一个关于Datasets and Benchmarks Track，旨在通过大规模数据和评测来促进领域发展。

image-20210715225040658

本次Track基本涵盖了所有领域的算法，包括图算法，计算机视觉CV，自然语言处理NLP，强化学习RL，语音处理，可解释性，架构搜索NAS，时间序列，因果推断等等。

https://openreview.net/group?id=NeurIPS.cc/2021/Track/Datasets_and_Benchmarks/Round1&utm_source=wechat_session&utm_medium=social&utm_oi=56371995213824

图学习 Graph Learning

A Large-Scale Database for Graph Representation Learning

image-20210715221348836

本文提出了一个大规模图数据集MalNet，如下所示，其包括1.2M+张图，平均节点个数为17K，平均边个数为39K，图的类型也高达696。

image-20210715221524192

MalNet中最大的10张图的统计信息如下所示：

image-20210715221724565

论文链接：

https://openreview.net/pdf?id=1xDTDk3XPW

数据集链接：

www.mal-net.org

An Empirical Study of Graph Contrastive Learning

image-20210715220922326

本文对现有的图对比学习技术进行了梳理总结，设计了一个相关的工具箱PyGCL，并在多个数据集上进行了统一测评。

image-20210715221058626

链接：

https://openreview.net/pdf?id=fYxEnpY-__G

Graph Robustness Benchmark: Rethinking and Benchmarking Adversarial Robustness of Graph Neural Networks

image-20210715224438303

本文研究了图上的对抗鲁棒性问题，提供了相关的数据集，代码和leaderboard。入坑图对抗方向的同学不要错过呀~

下图梳理了关于GNN上的对抗攻击的一系列工作：

image-20210715224645195

链接：

https://openreview.net/pdf?id=pBwQ82pYha

https://cogdl.ai/grb/home,

ATOM3D: Tasks On Molecules in Three Dimensions

image-20210715222834958

用深度学习的方法如GNN来研究药物分子(如AI制药)在这两年非常火热。OGB竞赛的其中一个赛道就是预测分子图性质。分子图实际是3D结构的，尽管也可以以1D或者2D的形式表示，但是忽略一些空间位置信息。

image-20210715223709482

自然语言处理 NLP

Teach Me to Explain: A Review of Datasets for Explainable Natural Language Processing

image-20210715232825398

名字起的很好玩，教我解释。本文主要关注NLP模型的解释性，集中搜集了61个文本数据集，并分析了现有的解释性NLP的优缺点。

image-20210715233033109

Automatic Construction of Evaluation Suites for Natural Language Generation Datasets

本文主要关注了NLG上的测评问题：从现有测评的缺点出发，引出了本文的GEM benchmark。下图给出了一个具体的例子。

image-20210715233328349

强化学习 RL

NeoRL: A Near Real-World Benchmark for Offline Reinforcement Learning

image-20210715225508623

RL算法经常在模拟环境下跑的很好，一到真实环境就跪，这种reality gap极大的限制了其应用。本文提出了一种近似真实世界的RL benchmark，包括数据集和任务，希望改善上述问题。

Reinforcement Learning Benchmarks for Traffic Signal Control

image-20210715225340167

本文梳理了如何用强化学习RL来实现交通信号灯控制的benchmarks。

image-20210715225447772