【导读】2021年国际万维网大会The Web Conference(旧称WWW)将于2021年4月19日-23日线上召开。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,今年是第30届会议。本次会议共接收1736篇提交长文,最终录用357篇,录用率为20.6%。刚刚最佳论文一系列奖项出炉了!来自华盛顿大学的强化学习在线心理健康应用《 Towards Facilitating Empathic Conversations in Online Mental Health Support: A Reinforcement Learning Approach》获得最佳论文,台湾国立交通大学《ConceptGuide: Supporting Online Video Learning with Concept Map-based Recommendation of Learning Path》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30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://www2021.thewebconf.org/

「最佳论文奖」(Best Paper Award)

促进在线心理健康支持中的共情对话:一种强化学习方法

作者: Ashish Sharma, Inna W. Lin, Adam S. Miner, David C. Atkins, Tim Althoff

摘要:在线点对点支持平台使数百万寻求和提供心理健康支持的人能够进行对话。如果成功,基于网络的心理健康对话可以改善获得治疗的机会,并减少全球疾病负担。心理学家多次证明,同理心,即理解和感受他人情绪和经历的能力,是在支持性对话中取得积极成果的关键因素。然而,最近的研究表明,在在线心理健康平台上,高度共情的对话非常罕见。

在这篇论文中,我们致力于改善在线心理健康支持对话中的共情。我们引入了一项新的共情改写任务,旨在将低共情会话职位转化为高共情。学习这种转换是具有挑战性的,需要深刻理解同理心,同时通过文本的流畅性和对话语境的特异性来保持对话质量。在这里,我们提出了PARTNER,一个深度强化学习代理,学习对帖子进行句子级编辑,以增加表达的同理心水平,同时保持对话质量。我们的RL代理利用了一个基于GPT-2 transformer语言模型的策略网络,该模型完成了生成候选共情句子和在适当位置添加这些句子的双重任务。在训练过程中,我们奖励那些在保持文本流畅性、上下文特异性和多样性的同时增加共鸣的转换。通过将自动评估和人类评估相结合,我们证明了PARTNER成功地产生了更多的共情、具体和多样的反应,并在风格迁移和共情对话生成等相关任务中表现优于NLP方法。我们的工作对促进网络平台上的共情对话有直接的影响。

https://www.zhuanzhi.ai/paper/76214c1dea15539c7cd46d9e40cc4fb1

「最佳学生论文奖」(Best Student Paper Award)

ConceptGuide: Supporting Online Video Learning with Concept Map-based Recommendation of Learning Path

人们越来越多地使用YouTube等在线视频平台来查找教育视频,以获取知识或技能,满足个人学习需求。然而,大多数现有的视频平台都是根据查询的相关性以通用的排名列表的形式显示视频搜索结果。面向关联的信息显示设计没有考虑知识领域的内部结构,可能不适合在线学习者的需求。在本文中,我们提出了ConceptGuide,一个原型系统的学习方向,以支持从无组织的视频材料临时在线学习。ConceptGuide的特点是一个计算管道,它对检索到的YouTube视频文本进行内容分析,并生成基于概念图的概念间和视频间链接的视觉推荐,形成供学习者消费的学习路径结构。我们评估了ConceptGuide,将其设计与YouTube的通用界面在学习经验和行为方面进行了比较。ConceptuGuide被发现可以提高视频学习的效率,并以许多建设性的方式帮助学习者探索感兴趣的知识。

https://drive.google.com/file/d/1QKep0xYNbi5FWOhGIvrIJwKeRb-O29c9/view

成为VIP会员查看完整内容
0
11

相关内容

【导读】人工智能顶会CCF-A类会议WWW2021今天论文出结果了,共有357篇论文接受,你的论文中了么

WWW 大会由万维网发明人、2016 年度图灵奖获得者 Tim Berners-Lee 于 1992 年发起并创办,是互联网系统与应用领域的顶级学术会议,也被列为《中国计算机学会推荐国际学术会议和期刊目录》中交叉 / 综合 / 新兴类的 A 类学术会议。

成为VIP会员查看完整内容
0
36

【导读】第28届ACM国际多媒体会议(ACM MM)于2020年10月12日至16日在线举行。刚刚,包括最佳论文,最佳学生论文,最佳demo, 最佳开源软件在内的所有多媒体领域大奖都已出炉。

ACM国际多媒体会议(ACM International Conference on Multimedia, 简称自1993年首次召开以来,ACMMM每年召开一次,已经成为多媒体领域顶级会议,也是中国计算机学会推荐的A类国际学术。会议热门方向有大规模图像视频分析、社会媒体研究、多模态人机交互、计算视觉、计算图像等等。

最佳论文

标题:PiRhDy: Learning Pitch-, Rhythm-, and Dynamics-aware Embeddings for Symbolic Music (学习考虑音高、节奏和动态的符号音乐嵌入)

作者:Hongru Liang, Wenqiang Lei, Paul Yaozhu Chan, Zhenglu Yang, Maosong Sun, Tat-Seng Chua

摘要:目前,确定性嵌入仍然是计算音乐学中符号音乐深度学习的基本挑战之一。与自然语言类似,音乐可以被建模为token序列,这促使大多数现有的解决方案探索利用文本嵌入模型来构建音乐嵌入。然而,音乐与自然语言有两个关键的区别:(1)音乐token是多面性的,它包含了音高、节奏和动态信息;(2)音乐上下文是二维的——每个音乐token都依赖于旋律上下文和和声上下文。在这项工作中,我们提供了一个全面的解决方案,方案包含一个名为PiRhDy的新框架,它无缝地集成了音高、节奏和动态信息。PiRhDy采用一种层次化的策略,它可分解为两个步骤: (1) token(即音符事件)建模,分开表示音高、节奏和动态,并将它们集成为单个token; (2)上下文建模,利用旋律和和声知识训练token嵌入。我们对PiRhDy的各组成部分和子策略进行了深入研究,并在三个下游任务中进一步验证了嵌入的效果——旋律完成、伴奏建议和类型分类。研究结果表明PiRhDy是符号音乐神经方法的重要进展,也展现出PiRhDy作为广泛的符号音乐应用预训练模型的潜力。

论文地址: https://dl.acm.org/doi/abs/10.1145/3394171.3414032

最佳学生论文

标题:Learning from the Past: Meta-Continual Learning with Knowledge Embedding for Jointly Sketch, Cartoon, and Caricature Face Recognition(从过去学习: 面向素描、卡通和漫画人脸联合识别的知识嵌入元持续学习)

作者: Wenbo Zheng, Lan Yan, Feiyue Wang, Chao Gou

摘要:本文面向一个从不同模态学习的挑战性任务,解决了针对抽象素描、卡通、漫画和真实照片的人脸联合识别问题。由于抽象人脸的显著差异,建立视觉模型来识别来自这些模式的数据是一项极具挑战性的工作。我们提出了一个新的框架,称为知识嵌入元持续学习,以解决素描,卡通和漫画的人脸联合识别任务。特别地,我们首先提出了一个深度关系网络来捕获和记忆不同样本之间的关系。其次,我们展示了知识图的构建,它将图像和标签联系起来,作为元学习者的指导。然后,我们设计了一个知识嵌入机制,以纳入知识表示到我们的网络。最后,为了减轻灾难性遗忘,我们使用元连续模型,更新我们的集成模型,提高其预测精度。使用这种元连续模型,我们的网络可以从过去学习。最后的分类是我们的网络通过学习比较样本的特征而获得的。实验结果表明,与其他先进的方法相比,我们的方法获得了更高的性能。

论文地址:

https://dl.acm.org/doi/abs/10.1145/3394171.3413892

成为VIP会员查看完整内容
0
22

【导读】数据挖掘顶会KDD 2020接收论文列表已公布,你的文章中了吗?

KDD2020官方今日发布接收论文,共有1279篇论文提交到Research Track,共有216篇接受,接受率16.8%。

ACM SIGKDD(国际数据挖掘与知识发现大会,简称 KDD)是世界数据挖掘领域的最高级别的学术会议,由 ACM 的数据挖掘及知识发现专委会(SIGKDD)主办,被中国计算机协会推荐为 A 类会议。

自 1995 年以来,KDD 已经连续举办了二十余届大会,今年是第26届。今年的 KDD 大会将于 2020 年 8 月 23 日 ~27 日在美国美国加利福尼亚州圣地亚哥举行。

成为VIP会员查看完整内容
0
41

第19届智能体及多智能体系统国际会议(International Joint Conference on Autonomous Agents and Multi-Agent Systems, AAMAS-2020)近日在线举行。智能体及多智能体系统国际会议(AAMAS) 是多智能体系统领域最具影响力的会议之一,由非营利组织IFAAMAS主办。今年,AAMAS-2020共收到808篇论文投稿,录用186篇。

我们回顾了在无模型和基于模型的强化学习设置中的残差算法。我们提出了双向目标网络技术来稳定残差算法,生成一个在DeepMind控制套件基准测试中显著优于普通DDPG的DDPG的残差版本。此外,我们发现残差算法是解决基于模型规划中分布不匹配问题的有效方法。与现有的TD(k)方法相比,我们基于残差的方法对模型的假设更弱,并产生了更大的性能提升。

成为VIP会员查看完整内容
0
28

【导读】CCF A类会议,国际万维网大会WWW 2020(International World Wide Web Conference)于2020年4月20日至24日在中国台湾举行。碰到疫情,WWW采用在线举行。刚刚最佳论文一系列奖项出炉了!来自俄亥俄州立大学的开放意图抽取《 Open Intent Extraction from Natural Language Interactions》获得最佳论文,北京邮电大学的移动App占位《Mobile App Squatting 》获得最佳学生论文!

「最佳论文奖」(Best Paper Award)

自然语言交互的开放意图提取 Open Intent Extraction from Natural Language Interactions

作者: Nikhita Vedula , Nedim Lipka , Pranav Maneriker , Srinivasan Parthasarathy Authors Info & Affiliations

摘要:准确地从用户的书面或口头语言中发现他们的意图在自然语言理解和自动对话响应中扮演着重要的角色。大多数现有的研究将其建模为每个话语都有一个意图标签的分类任务,将用户的话语从一组已知的类别中分组为一个单一的意图类型。在此基础上,我们定义并研究了公开意图发现的新问题。它涉及到从文本话语中发现一个或多个通用的意图类型,这些类型可能在训练中没有遇到。我们提出了一种新领域无关的方法OPINE,它将问题表述为开放世界环境下的一个序列标记任务。它在双向LSTM上使用CRF来以一致的格式提取意图,受意图标签标签之间的约束。我们用了一个多头自注意力机制来有效地学习远处单词之间的依赖关系。我们进一步使用对抗性训练来提高性能,并在不同的领域强有力地适应我们的模型。最后,我们策划并计划发布一个开放的意图注释数据集,包含25K个跨越不同领域的真实话语。大量的实验表明,我们的方法优于最先进的基线5-15%的F1得分点。我们还演示了OPINE在识别多个不同的域意图方面的有效性,每个域的训练示例有限(也可以为零)。

https://dl.acm.org/doi/10.1145/3366423.3380268

「最佳学生论文奖」(Best Student Paper Award)

移动App占位 Mobile App Squatting

Authors: Yangyu Hu , Haoyu Wang , Ren He , Li Li , Gareth Tyson , Ignacio Castro , Yao Guo , Lei Wu , Guoai Xu

域名占用是攻击者模仿流行域名注册的一种对抗策略,已经被观察了几十年。然而,越来越多的证据表明,这种攻击方式已经蔓延到其他领域。在这篇文章中,我们探讨了占用攻击在移动应用生态系统中的存在。在“App Squatting”中,攻击者发布的带有标识符(如App名称或包名)的应用,与流行应用或知名互联网品牌的应用混淆不清。本文首次对app占用进行了深入的测量研究,揭示了app占位的流行及其意义。我们首先确定了app squatters常用的11种变形方式,并提出了一种名为“AppCrazy”的app标识符自动生成工具。我们将AppCrazy应用到谷歌Play中最受欢迎的500个应用中,生成了224,322个变形关键字,然后我们将这些变形关键字用于测试流行市场上的app非法占位者。通过这个,我们确认了问题的规模,确定了10553个占用应用程序(平均每个合法应用程序超过20个占位程序)。我们的调查显示,超过51%的非法占用应用程序是恶意的,其中一些非常受欢迎(高达1000万次下载)。同时,我们也发现移动应用市场在识别和消除非法占用应用方面并不成功。我们的发现表明了识别和防止滥用app的紧迫性。为此,我们已经公开发布了所有识别出的占位应用程序,以及我们的工具AppCrazy。

https://dl.acm.org/doi/abs/10.1145/3366423.3380243

成为VIP会员查看完整内容
0
25
小贴士
相关论文
Maya Raifer,Guy Rotman,Reut Apel,Moshe Tennenholtz,Roi Reichart
0+阅读 · 5月11日
Yuzhou Chen,Ignacio Segovia-Dominguez,Yulia R. Gel
0+阅读 · 5月10日
Jalal Fadili,Nicolas Forcadel,Thi Tuyen Nguyen
0+阅读 · 5月5日
Mohammadreza Barzegaran,Niklas Reusch,Luxi Zhao,Silviu S. Craciunas,Paul Pop
0+阅读 · 5月4日
Lingjuan Lyu,Han Yu,Xingjun Ma,Lichao Sun,Jun Zhao,Qiang Yang,Philip S. Yu
13+阅读 · 2020年12月7日
Jingfeng Zhang,Cheng Li,Antonio Robles-Kelly,Mohan Kankanhalli
3+阅读 · 2020年5月1日
Sicheng Zhao,Shangfei Wang,Mohammad Soleymani,Dhiraj Joshi,Qiang Ji
7+阅读 · 2019年10月3日
KagNet: Knowledge-Aware Graph Networks for Commonsense Reasoning
Bill Yuchen Lin,Xinyue Chen,Jamin Chen,Xiang Ren
7+阅读 · 2019年9月4日
Wenqi Fan,Yao Ma,Qing Li,Yuan He,Eric Zhao,Jiliang Tang,Dawei Yin
7+阅读 · 2019年2月19日
Top