近日，高瓴人工智能学院师生有3篇论文被CCF-A类聚会会议ACM SIGKDD（2020）录用。ACM SIGKDD（国际数据挖掘与知识发现大会，简称KDD）是数据挖掘领域的顶级国际学术聚会会议，由美国盘算机学会（ACM）数据挖掘及知识发现专委会（SIGKDD）主办，被中国盘算机学会（CCF）推荐为A类国际学术聚会会议，至今已举办26届，今年将于2020年8月23日-8月27日在美国加利福尼亚州召开。本届KDD聚会会议共收到Research Track投稿1279篇，其中录用论文216篇，录取率约为16%。

论文介绍

第一作者：王涵之（人大博士生）

通讯作者：魏哲巍教授

作      者：王涵之，魏哲巍，甘骏豪，王思博，黄增峰

论文题目：Personalized PageRank to a Target Node, Revisited

论文概述：Personalized PageRank（简称PPR）是一种图节点邻近度的怀抱要领，被广泛应用于图挖掘和网络分析等领域。本篇论文关注于单汇点PPR（single-target PPR）的盘算问题，提出了一种高效盘算single-target PPR的算法RBS，首次使得single-target PPR的盘算庞大度到达了理论分析上的下界，即到达了最优盘算庞大度。同时，本篇论文使用RBS算法改善了多个single-target PPR应用问题的实验效果，包罗频繁命中节点的查询问题（heavy hitters PPR query）、单源SimRank的盘算问题、图神经网络中的PPR矩阵盘算问题等，进一步验证了RBS算法高效性。

论文介绍

通讯作者：赵鑫副教授

作      者：周昆（北大研究生），赵鑫，卞书青，周远航，文继荣，俞敬松（北大副教授）

论文题目：Improving Conversational Recommender Systems via Knowledge Graph based Semantic Fusion

论文概述：会话推荐系统(CRS)旨在通过交互式会话向用户推荐高质量的商品。尽管会话推荐系统目前已取得一定的结果，但仍有两个主要问题有待解决。首先，对话自己缺乏足够的上下文信息来准确理解用户的偏好。其次，会话文本以自然语言的形式泛起，然而用户的偏好反映在商品或实体上。所以需要增强该部门信息，而且买通以上两种数据信号的语义鸿沟。

为了解决这些问题，我们将面向单词的知识图谱和面向实体的知识图谱结合起来，以划分增强这两种语义单元的表达。此外，我们提出了使用互信息最大化的战略来对齐两个组件的语义空间。在语义对齐的基础上，我们进一步利用了知识图谱强化后的的推荐模块来提供精准的推荐，并利用知识图谱强化后的对话组件来资助在会话文本中生成信息量富厚的要害字或实体。我们在真实数据集上证明了我们的要领在推荐和会话两个任务的有效性。

论文介绍

加入作者：赵鑫副教授

作      者：吴宁（北航研究生），赵鑫，王静远（北航副教授），潘达岩（北航研究生）

论文题目：Learning Effective Road Network Representation with Hierarchical Graph Neural Networks

论文概述：路网是现代都市交通运输的重要组成部门，广泛应用于和交通有关的种种系统以及应用中。由于其在许多任务中的重要职位，因此开发一个通用、有效而且鲁棒的路网体现模型是一件很是重要的任务。虽然在这个偏向已有学者做出了一些努力，然而现有的模型依然不能捕捉到路网庞大的特性。在本文中，我们提出了一个新颖的条理化路网体现模型，名叫HRNR。HRNR通过构建一个多条理的图神经网络模型，划分建模了”功效区域”，“结构区域”以及“路链”。为了建模这三种节点之间的联系，我们引入了两个概率分配矩阵，划分建模了路链到结构区域的映射，以及结构区域到功效区域的映射。然后，我们划分基于路网结构以及人类移动特征设计了两个重构任务。在重构任务的资助下，我们的节点体现可以同时捕捉路网的结构和功效信息。最后，我们设计了一个三阶段的条理化更新机制，用来更新整个网络上三个条理的节点的体现。我们在三个真实数据集和四个任务上评测了我们的方案，并验证了其有效性。