​百度、腾讯、华为……哪些国内公司的论文被 AAAI 收录？| AAAI 2017

对学术学议有所关注的读者朋友们都知道，国际学术顶级会议 AAAI 2017 于 2 月 4 日到 9 日在美国旧金山举行，雷锋网旗下 AI 科技评论也将对此次大会做持续关注。

周志华教授曾提及，AAAI 2017 原定于春节期间在新奥尔良举行，但经华人学者的努力，组委会首次考虑中国春节因素，重新调整时间地点。由此可见，华人学者的影响力可见一斑。

而除此之外，AAAI 2017 的中国赞助商除了一直以来非常「坚定」的百度外，今年也出现了不少熟悉的新面孔，腾讯、小 i 机器人、字节跳动（今日头条）都在今年的赞助商之列。国内公司对人工智能国际学术会议的重视与支持，同样让我们看到了「中国创造」的科技力量。

AAAI 2017 既然作为一个人工智能的学术会议，收录的论文也同样值得我们关注。今年 AAAI 2017 共收到 2,590 篇投稿，录用 638 篇，录用率为 24.6%。

自浙江大学团队于 2012 年斩获当年最佳论文后，越来越多的华人学者也开始在国际舞台上崭露头角。

• 比如今年清华大学计算机科学与技术系就有 5 篇文章被 AAAI 2017 录用，分别是：

  刘洋、孙茂松指导的「Bilingual Lexicon Induction from Non-Parallel Data with Minimal Supervision」；

  刘洋指导的「Maximum Reconstruction Estimation for Generative Latent-Variable Models」；

  黄民烈、朱小燕指导的「SSP: Semantic Space Projectionfor Knowledge Graph Embedding with Text Descriptions」；

  刘洋分别为通讯作者和第二作者的「Lattice-Based Recurrent Neural Network Encoders for Neural Machine Translation」和「Neural Machine Translation with Reconstruction」。

• 北大：「Xiangteng He and Yuxin Peng, "Weakly Supervised Learning of Part Selection Model with Spatial Constraints for Fine-grained Image Classification」；

• 复旦：「On the Transitivity of Hypernym-hyponym Relations in Data-Driven Lexical Taxonomies」；

• 浙大：「Community-based Question Answering via Asymmetric Multi-Faceted Ranking Network Learning」；

  ……

值得一提的是，近年来，投递的论文不仅仅只源于名校的象牙塔，不少国内科技公司的研究院同样也成为了论文丰收的地方。

而今年的 AAAI 2017 上，百度、腾讯、华为、360、今日头条、携程、iPIN 等公司的人工智能团队都有论文被收录。雷锋网 AI 科技评论整理了以上公司提交并入选的 AAAI 论文，以飨读者。

今年百度共有两篇论文被 AAAI 收录，分别是《Collaborative Company Profiling: Insights from an Employee's Perspective》和《Localizing by Describing: Attribute-Guided Attention Localization for Fine-Grained Recognition Xiao》。第一篇论文主要通过介绍如何对人力资源实现人工智能化的管理。据称，百度的智能化人才管理系统目前算得上是全球首创，将采用人工智能探讨如何从员工的视角让公司产生更大的人力价值。

深度学习实验室高级总监林元庆也领导团队提交了一篇关于本地化描述的深度学习论文，主要是解决基于细粒度的识别定位。团队认为，这一问题的核心挑战在于寻找最具区分度的本地区域，并引入了一个属性引导的定位方案。通过设计一种新型的奖励策略，团队能够让机器在强化学习算法上实现区域空间与语义的区分。此外，团队在 CUB-200-2011 数据集上也已经证明了该方案的优越性。

还以为携程只是一家旅游网站？那可就大错特错啦。

携程科研团队的论文也同样被 AAAI 2017 收录，这篇名为「A Hybrid Collaborative Filtering Model with Deep Structure for Recommender Systems」的文章基于公司自主研发的通用化推荐系统而写就，并获得了上海经信委专项基金支持。根据携程团队的说法，论文提及系统采用了深度神经网络的自动编码技术，目前陆续落地了 50 余个个性化场景，而某些场景的转化率提升了 13 倍之多，有效地提升了用户的出行体验。

携程R&D基础业务研发部数据分析总监于磊在接受雷锋网采访时表示，这一论文解决了数据稀疏的问题。“OTA网站与电商网站不同，用户的使用频率较低，因此系统所能获取的数据样本也比较稀疏。传统的旅游推荐主要是根据用户所浏览经典的历史数据进行热门景点的相关推荐，而我们则采取提取景点的特征，并根据相关性推荐同类景点。当然，旅游需要考虑的因素因人而异，包括价格、距离等，因此我们需要设计出能平衡这些维度的算法，为用户提供更好的出行选择。”于磊也表示，这一技术的应用空间也不局限于旅游，可以延伸到更多领域。

此外，腾讯优图实验室与厦门大学合作撰写的学术论文「Towards Optimal Binary Code Learning via Ordinal Embedding」被 AAAI 2016 收录，其中提及了保持相对排序的哈希排序算法（OEH+DTW，Ordinal Embedding Hashing and Dynamic Time Warping），采用监督学习，改进了传统哈希搜索技术中的效能问题。而在今年的「Ordinal Constrained Binary Code Learning for Nearest Neighbor Search」中，黄飞跃采用了一种新型的保持排序散列方法，即 Ordinal Constraint Hashing (OCH)，并在三个大规模视觉搜索基准数据集（LabelMe, Tiny100K 和 GIST1M）中取得了性能较好的结果。

华为诺亚方舟实验室的李航团队在今年也同样有新成果，在「Neural Machine Translation with Reconstruction」中，团队认为虽然端到端神经机器翻译（NMT）在过去两年取得了进展，但一个主要缺点在于 NMT 系统生成的翻译通常缺乏充分性（adequacy），即反复翻译一些单词而错误地忽略其它单词。为了解决这个问题，团队提出了一个「编码-解码-再现器」的 NMT 框架，能够显著提升 NMT 输出的充分性，并获取更好的翻译结果。

360 首席科学家颜水成教授的团队今年也有论文入选 AAAI 2017，「Multi-Path Feedback Recurrent Neural Network for Scene Parsing」，论文考虑通过多路径反馈的递归神经网络实现了现场解析。这个新颖的 MPF-RNN 能够提高 RNNs 在不同层次的远程环境建模的水平，比起原本容易混淆的图像，能够获得更理想的分辨像素。与前馈 CNN 与 RNN 只具有单一反馈不同，MPF-RNN 学会在顶部层级通过多种上下文特征学习底部特征的加权连接。

iPIN 团队的「Recurrent Attentional Topic Model」则利用了深度学习技术在文档实现建模，增加了句间的语义相关性，并基于 Topic Model 应用于社会经济图谱，并研发一个类 Watson 的认知框架，以辅助用户决策。“Alpha Go 虽然在围棋上战胜了世界冠军，但是它的决策过程依然是一个黑箱，我们无法知晓它走某一步棋背后的原理何在。IBM Watson 与其他人工智能公司的最大不同在于，它们将理解和分析融入到机器学习中去，而我们也同样会将机器在决策中的分析过程以逻辑的形式梳理出来。”iPIN CEO 杨洋向雷锋网表示，虽然目前公司的研究成果还处于试验阶段，距离真正的应用还有一段距离。iPIN 公司去年被评选为 AIR Top 25，今年雷锋网(公众号：雷锋网)也将持续关注他们的动态。

除了雷锋网上述提及的公司，AAAI 2017 也有不少中国面孔出现。而更多的中国企业又将给我们带来怎样的惊喜？敬请留意雷锋网发来的后续报道。

。