最新！CCF-A类顶会WWW2022最佳论文出炉！北大腾讯斩获最佳学生论文，西班牙庞培法布拉大学等获最佳论文！

【导读】2022年国际万维网大会The Web Conference（旧称WWW）将于2022年4月25日-29日召开。TheWebConf是中国计算机学会（CCF）推荐的A类国际学术会议，是互联网技术领域最重要的国际会议之一，由国际万维网会议委员会（IW3C2）和主办地地方团队合作组织，每年召开一次，今年的 WWW 将于4月25-29日在法国里昂以线上会议的形式召开。本届会议共收到了1822篇长文投稿，论文录用率为17.7%。刚刚最佳论文一系列奖项出炉了！来自西班牙庞培法布拉大学改善激进推荐《Rewiring What-to-Watch-Next Recommendations to Reduce Radicalization Pathways》获得最佳论文，北京大学与腾讯《PaSca: a Graph Neural Architecture Search System under the Scalable Paradigm》获得最佳学生论文！

本届大会采用ZOOM软件开展网络会议。你可以在会议中回顾过去31年的Web技术和行业的变迁，分享最新研究成果，并规划基于Web技术的未来研究。会议目前公开了三项主题演讲，多研究方向介绍，研讨会和教程，博士学位会议等环节。会议汇聚了众多在大数据、人工智能、医疗保健、计算机科学、计算社会科学、公共政策、法律和人权等领域最杰出和最有影响力的研究人员，开发人员，决策者和思想家，他们将讨论如何创建未来的Web–即多样化，中立和平衡的Web，能够真正实现内容访问民主化梦想的Web。

详情可登陆以下会议官网查询：https://www2022.thewebconf.org/

「最佳论文奖」(Best Paper Award)

重新制定减少激进化路径的下一步观察推荐

作者: Francesco Fabbri, Yanhao Wang, Francesco Bonchi, Carlos Castillo, Michael Mathioudakis

摘要：推荐系统通常会向用户推荐与他们过去消费内容相似的内容。如果一个用户碰巧接触到强烈极端化的内容，她随后可能会收到推荐，这可能会把她引向越来越激进的内容，最终陷入我们所说的“激进路径”。在本文中，我们使用基于图的方法研究缓解激进化路径的问题。具体来说，我们将“下一步关注什么”的推荐集建模为一个d规则的有向图，其中节点对应于内容项、推荐链接和可能的用户会话路径。我们将代表激进内容的节点的“隔离”分数衡量为从该节点到代表非激进内容的任何节点的随机行走的预期长度。隔离分数越高，用户越有可能陷入激进化路径。因此，我们定义了通过选择少量的边来“重新布线”来减少激进化路径的普遍性的问题，从而最小化所有激进化节点的分离得分最大值，同时保持推荐的相关性。我们证明了在任意因子范围内寻找最优推荐集的问题是NP-hard和NP-hard的近似问题。因此，我们将注意力转向启发式，并提出了一种高效而有效的基于吸收随机游走理论的贪婪算法。我们在视频和新闻推荐背景下的真实数据集上的实验证实了我们的推荐的有效性。

https://www.zhuanzhi.ai/paper/08398855fd1639b1320d4b5620c4fdf5

「最佳学生论文奖」(Best Student Paper Award)

PaSca: a Graph Neural Architecture Search System under the Scalable Paradigm

图神经网络(GNN)在各种基于图的任务中取得了最先进的性能。但是，由于主流GNN是基于神经消息传递机制设计的，不能很好地适应数据大小和消息传递步骤。尽管人们对可扩展GNN的设计越来越感兴趣，但目前的研究主要集中在特定的GNN设计上，而不是一般的设计空间，这限制了潜在可扩展GNN模型的发现。本文提出一种新的范式和系统PasCa，它提供了一种原则性的方法来系统地构建和探索可扩展GNN的设计空间，而不是研究单个的设计。PasCa通过对消息传递机制的解构，提出了一种新的可扩展的图神经体系结构范式(SGAP)，以及一个包含150k种不同设计的通用体系结构设计空间。按照这种模式，我们实现了一个自动搜索引擎，可以自动搜索性能良好、可扩展的GNN架构，通过多目标优化来平衡多个标准(例如，准确性和效率)之间的权衡。对10个基准数据集的实证研究表明，我们的系统发现的代表性实例(即PasCa-V1、V2和V3)在竞争基线中实现了一致的性能。具体来说，PasCa-V3在我们的大型行业数据集上的预测精度方面优于最先进的GNN方法JK-Net 0.4 %，同时实现高达28.3×训练加速。

https://www.zhuanzhi.ai/paper/9b4146427917af3244bb50c70d2787c6