论文地址：https://arxiv.org/pdf/2204.08807.pdf 传统的基于知识图谱的推荐系统通常依赖于用户和物品的交互作为监督信号，因此广泛面临着监督信号稀疏的问题。受到最近对比学习范式的启发，我们提出了引入对比学习范式的解决方案Multi-level Cross-view Contrastive Learning for Knowledge-aware Recommender System（MCCLK）。不同于传统的通过数据增强方式构造图视角的对比学习方法，我们全面的考虑了三个不同的知识图谱推荐的图视角：全局的结构视角（user-item-entity 图）、局部的协同...

论文链接： https://www.ijcai.org/proceedings/2022/0270.pdf 代码链接： https://github.com/zjunet/AMNet 本文认为，对于图上的异常检测，直接采用大多数 GNN 无法取得最优的效果，原因如下：1）GNN 的低通特性与包含异常的网络本质上是不一致的。GNN 通过过滤掉高频信号来平滑正常节点和异常节点之间的差异。这就导致 GNN 学习到的异常节点表示无法区分，从而不可避免地导致图异常检测问题的性能不佳；2）大多数 GNN 是对网络的所有节点采用具有全局滤波特性的方法，然而，异常节点和正常节点可能会分别利用不同频段的信号...

  关于周刊 本期周刊，我们选择了10篇预训练相关的论文，涉及开源双语模型、提示调优、文本相似、长文本表征、语言模型攻击、实时问答、尺度性能影响、知识融合模型、蛋白表征和蛋白结构预测的探索。此外，在研究动态方面，我们选择了2篇预训练资讯，将介绍语言翻译和掩码自监督方面的一些最新内容。 周刊采用社区协作的模式产生，欢迎感兴趣的朋友们参与我们的工作，一起来推动预训练学习社群的分享、学习和交流活动。可以扫描文末的二维码加入预训练群。 （本期贡献者：申德周 翟珂 吴新刚）   关于周刊订阅 告诉大家一个好消息，《预训练周刊》开启“订阅功能”，以后我们会向您自动推送最新版的《预...

跳转链接 人工智能的空间是巨大的，复杂的，并不断发展的。随着计算能力的进步和越来越大的数据集，人工智能算法正在被探索和开发，以用于各种各样的应用空间，人工智能算法有各种各样的潜在用户和相关风险。人工智能界正在追求可解释性，作为可信人工智能系统的许多理想特征之一。通过与人工智能界的合作，美国国家标准与技术研究院（NIST）已经确定了其他的技术特征来培养人工智能的信任。除了可解释性（explainability）和可诠释性（interpretability）之外，为支持系统的可信赖性（trustworthiness）而提出的其他人工智能系统特征包括准确性、隐私性、可靠性、稳健性、安全性、保障性（...

前言 安防监控是智慧城市的重要组成部分。然而，在城市监控场景下，行人目标往往距离摄像头远，所占像素小，这为理解目标的行为带来了很大挑战。为此，CVPR 2022 ActivityNet: Tiny Actions Challenge引入了TinyVIRAT低分辨率行为识别视频数据集。该数据集从监控摄像头上截取视频，没有包含任何人为的下采样和降质处理，填补了真实场景下的低分辨率行为识别数据的空白。 TinyVIRAT数据集共有训练数据16950个、验证数据3308个、测试数据6097个，平均每个视频数据长度在3秒左右。这些低分辨视频数据的分辨率从10x10像素到128x128像素不等，一共包含2...

论文：Delving Deep into Regularity: A Simple but Effective Method for Chinese Named Entity Recognition 论文链接：https://arxiv.org/abs/2204.05544 发表方：华为云，发表在NAACL 2022 Findings 现在很多基于填表方式的NER方法，在构造表中元素的时候，一般用的都是由相应span的head字和tail字的表征得到的，而本文在此基础上加入了从span中所有字的表征中抽取出来的特征，下面介绍一下具体怎么搞。 1. 论文出发点 中文没有天然的单词边界，所以中文的...