【KDD2020-阿里】多视角部分多标记学习中的特征诱导流形消歧

本次阿里文娱摩酷实验室和东南大学PALM实验室合作的工作《Feature-InducedManifold Disambiguation for Multi-view Partial Multi-label Learning》被KDD 2020 Research Track录用。 在视频的分发过程中，标签的准确性和完整性起着至关重要的作用，但由于个人用户的非专业性，上传的短视频标签通常存在着较大的偏差与遗漏。 考虑到视频天然带有丰富的多模态信息，本文抽象出一种MVPML表征框架，并提出了FIMAN方法可充分利用异质特征导出的流形结构进行消歧，能够有效地对用户上传的视频标签进行修正与补足，从而提升整体的分发效率。 该项工作目前已广泛应用于阿里文娱的各项场景中。

论文作者：Jing-Han Wu, Xuan Wu,Qing-Guo Chen, Yao Hu, Min-Ling Zhang

http://palm.seu.edu.cn/zhangml/files/KDD'20.pdf

专知便捷查看

便捷下载，请关注专知公众号（点击上方蓝色专知关注）

• 后台回复“MVPML” 可以获取《【KDD2020-阿里】多视角部分多标记学习中的特征诱导流形消歧》专知下载链接索引

专知，专业可信的人工智能知识分发，让认知协作更快更好！欢迎注册登录专知www.zhuanzhi.ai，获取5000+AI主题干货知识资料！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程资料和与专家交流咨询！

欢迎扫一扫关注专知视频号，第一时间看人工智能最新精彩视频！

点击“阅读原文”，了解使用专知，查看获取5000+AI主题知识资源