【导读】当地时间 8 月 19 - 23 日,备受关注的 人工智能数据挖掘顶级国际会议 KDD 2018在英国伦敦举行。在这次会议上,各大人工智能和机器学习领域的研究者为我们呈现了这一领域的研究前沿内容,其中包括:图挖掘算法、隐私保护、医疗健康AI、社交网络建模、出行零售人工智能等等。KDD 2018的Research Track最佳论文奖以及其他奖项刚刚揭晓。最佳论文花落慕尼黑工业大学团队论文,最佳学生论文奖授予了中科大、微软和苏州大学团队。
Research Track最佳论文
最佳论文题目:Adversarial attacks on classification models for Graphs
论文地址:https://arxiv.org/abs/1805.07984
作者:Daniel Zügner (Technical University of Munich); Amir Akbarnejad (Technical University of Munich); Stephan Günnemann (Technical University of Munich)
Research Track最佳学生论文
最佳论文题目:XiaoIce Band: A Melody and Arrangement Generation Framework for Pop Music
论文地址:http://www.kdd.org/kdd2018/accepted-papers/view/xiaoice-banda-melody-and-arrangement-generation-framework-for-pop-music
作者:Hongyuan Zhu (USTC); Qi Liu (USTC); Nicholas Jing Yuan (Microsoft); Chuan Qin (USTC); Jiawei Li (Soochow University); Kun Zhang (USTC); Guang Zhou (Microsoft); Furu Wei (Microsoft); Yuanchun Xu (Microsoft); Enhong Chen (USTC)
论文摘要
随着音乐创作知识的发展和近年来需求的增加,越来越多的公司和研究机构开始研究音乐的自动生成。但以往的模型在应用于歌曲生成时存在局限性,这既需要旋律,又需要编曲。此外,许多与歌曲质量有关的关键因素没有得到很好的解决,例如和弦进行和节奏模式。特别是。如何确保多音轨音乐的和谐,这仍然是一个有待探索的问题。
为此,我们对流行音乐的自动生成进行了重点研究,其中,我们考虑了旋律生成的和弦和节奏的影响,以及音乐编排的和声。我们提出了一种端到端的旋律和编曲生成框架,称为“小冰乐队”(Xiaoice Band),该框架产生了由几种乐器演奏的几个伴奏曲目组成的旋律音轨。
具体来说,我们设计了一种基于和弦的节奏和旋律交叉生成模型(CRMCG),以生成带有和弦进行的旋律。然后,我们提出一种基于多任务学习的多乐器协同编曲模型( Multi-Instrument Co-Arrangement Model ,MICA)。最后,我们在一个真实数据集上进行了广泛的实验,结果证明了XiaoIce Band的有效性。
ADS Track 最佳论文
最佳论文题目:Real-time Personalization using Embeddings for Search Ranking at Airbnb
论文地址:http://www.kdd.org/kdd2018/accepted-papers/view/real-time-personalization-using-embeddings-for-search-ranking-at-airbnb
作者:Mihajlo Grbovic (Airbnb); Haibin Cheng (Airbnb)
ADS Track 最佳学生论文
最佳论文题目:ActiveRemediation: The Search for Lead Pipes in Flint, Michigan
论文地址:http://www.kdd.org/kdd2018/accepted-papers/view/activeremediation-the-search-for-lead-pipes-in-flint-michigan
作者:Jacob Abernethy (Georgia Institute of Technology); Alex Chojnacki (University of Michigan); Arya Farahi (University of Michigan - Ann Arbor); Eric Schwartz (University of Michigan); Jared Webb (Brigham Young University)
参考链接:
http://www.kdd.org/kdd2018/
-END-
专 · 知
人工智能领域26个主题知识资料全集获取与加入专知人工智能服务群: 欢迎微信扫一扫加入专知人工智能知识星球群,获取专业知识教程视频资料和与专家交流咨询!
请PC登录www.zhuanzhi.ai或者点击阅读原文,注册登录专知,获取更多AI知识资料!
请加专知小助手微信(扫一扫如下二维码添加),加入专知主题群(请备注主题类型:AI、NLP、CV、 KG等)交流~
请关注专知公众号,获取人工智能的专业知识!
点击“阅读原文”,使用专知