专栏首页美图数据技术团队好消息 | 美图数据技术团队论文被AAAI-19录用

好消息 | 美图数据技术团队论文被AAAI-19录用

感谢阅读「美图数据技术团队」的第 26 篇原创文章,关注我们持续获取美图最新数据技术动态。

AAAI-19(Thirty-Third AAAI Conference on Artificial Intelligence)将于 2019 年 1 月 27日在美国夏威夷开幕,美图数据技术团队(MTdata)与中山大学 Inplus 实验室的合作论文Tensor Decomposition for Multilayer Networks Clustering被该会议录用。

AAAI 是人工智能领域的顶级国际学术会议,每年一届。据悉,今年 AAAI 共收到 7700 篇投稿,仅录用 1150 篇,录取率 16.2%创历史新低。

以下是该论文的简介:

Tensor Decomposition for Multilayer Networks Clustering

Zitai Chen, Chuan Chen, Zibin Zheng, Yi Zhu

多层网络上的聚类已被证实是一种能有效提高准确率的方法。各种多层网络聚类算法都是假设所有网络都源于潜在的聚类结构,并共同学习来自不同网络的兼容互补信息,以发掘一个共享的底层结构。然而,由于无关数据的存在,这个假设与许多现实中的实际应用相冲突。其中一个关键挑战是如何自动集成不同的数据表示来获得更好的预测表现。为此,我们提出了一种基于中心的多层网络聚类(CMNC)方法,它可以将不相关的关系划分为不同的网络组的同时揭示每个组中的聚类结构。多层网络在统一张量框架内表示,用于同时捕捉一组实体之间的多种类型的关系。通过使用非负约束的 rank-(Lr, Lr, 1)的张量分解(block term decomposition),我们能够基于图切割理论来很好的解释多个聚类结果。在数值上,我们将这个张量分解问题转化为了无约束的最优化问题,从而可以通过 nonlinear least squares (NLS)来求解。在大量的人工和真实数据集上的实验结果证实了我们的方法在面对无关数据时的有效性和鲁棒性。

附摘要原文: Clustering on multilayer networks has been shown to be a promising approach to enhance the accuracy. Various multilayer networks clustering algorithms assume all networks derive from a latent clustering structure, and jointly learn the compatible and complementary information from different networks to excavate one shared underlying structure. However, such assumptions is in conflict with many emerging reallife applications due to the existence of noisy/irrelevant networks. A key challenge here is to integrate different data representations automatically to achieve better predictive performance. To address this issue, we propose Centroidbased Multilayer Network Clustering (CMNC), a novel approach which can divide irrelevant relationships into different network groups and uncover the cluster structure in each group simultaneously. The multilayer networks is represented within a unified tensor framework for simultaneously capturing multiple types of relationships between a set of entities. By imposing the rank-(Lr , Lr , 1) block term decomposition with nonnegativity constraints, we are able to have well interpretations on the multiple clustering results based on graph cut theory. Numerically, we transform this tensor decomposition problem to an unconstrained optimization, thus can solve it efficiently under the nonlinear least squares (NLS) framework. Extensive experimental results on synthetic and realworld datasets show the effectiveness and robustness of our method against noise and irrelevant data.

本文分享自微信公众号 - 美图数据技术团队(gh_feb1d206d92b),作者:MT酱

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2018-11-01

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 中文词嵌入 | PaperReader

    感谢阅读「美图数据技术团队」的第 20 篇原创文章,关注我们持续获取美图最新数据技术动态。

    美图数据技术团队
  • 中文词嵌入 | PaperReader

    感谢阅读「美图数据技术团队」的第 20 篇原创文章,关注我们持续获取美图最新数据技术动态。

    美图数据技术团队
  • 美图互联网技术沙龙:大数据架构与数据技术应用实践

    移动互联时代大浪淘沙,「数据」亦主沉浮。各家公司在追逐产品不断完善的同时,也都在累积各自的用户数据反哺产品。而随着数据的不断累积庞大也容易带来一些难以用老旧方法...

    美图数据技术团队
  • 利用秘密图像和封面图像之间的相似性,提高数字隐写术的嵌入效率(multimedia)

    数码隐写术正成为保护敏感通讯的常用工具,在防止罪案/恐怖主义等不同的应用方面,执法人员需要远端比较在罪案现场拍摄的面部图像与已知罪犯/疑犯的面部数据库;在敌对环...

    用户6869393
  • 开源堡垒机 Teleport 入门教程

    由于业务需求,以前账号管理混乱,所以很多人有生产服务器的 root 权限;所以目前需要一个能 SSH 登录线上服务器的工具,同时具有简单的审计功能。

    iMike
  • Springsecurity之UserDetails

                                                                           图1 UserDe...

    克虏伯
  • ORACLE 10g 升级 11g问题汇总(31天)

    按照计划开始了生产库的升级,环境基于linux 64位. uname: Linux 2.6.18-308.el5 #1 SMP Fri Jan 27 17:1...

    jeanron100
  • 个性化语法纠错:根据能力水平和 L1 进行调整(CS CL)

    语法纠错 (GEC) 系统在各种软件应用中已变得无处不在,并已开始在某些数据集上接近人类水平的性能。然而,对于如何根据用户的特点(如用户的熟练程度和第一语言)或...

    刘持诚
  • 利用卫星图像预测手机使用指标(CS CY)

    尽管数字接入可以通过革新经济发展机会来减少贫困,但大约有一半的全球人口无法访问互联网。由于缺乏数据,移动网络运营商(MNO),政府和其他数字生态系统参与者难以有...

    小童
  • Introducing Spark-Kafka integration for realtime Kafka SQL queries

    Apache Kafka has been all the rage for the key join of the data pipeline. But in...

    用户2936994

扫码关注云+社区

领取腾讯云代金券