这个星期，数据挖掘顶会ACMKDD2023在美国长滩开幕，在五天的主会议期间，大会专门给大模型准备了一整天。来自OpenAI、Meta、智谱AI、GoogleDeepMind、Microsoft、Intel等大语言模型领域走在前沿的公司及研究学者进行了精彩的思想碰撞。这也是为数不多的一次，是中国的大语言模型专家与国际巨头们同台竞技，深度交流。此次大模型开放日的Keynote演讲嘉宾包括：微软首席科学家&技术院士JaimeTeevan，OpenAIChatGPT团队成员JasonWei，智谱AICEO张鹏，谷歌DeepMind首席科学家/研究主管DennyZhou，以及MetaFAIR研究工程师
ACMSIGKDD（国际数据挖掘与知识发现大会，KDD）会议始于1989年，是数据挖掘领域历史最悠久、规模最大的国际顶级学术会议，也是首个引入大数据、数据科学、预测分析、众包等概念的会议。今年的KDD大会是第29届，于8月6日-10日在美国加州长滩举办。大会包含研究方向（Research）和应用数据科学方向（AppliedDataScience，ADS）两个track。随着会议的进行，各大奖项也开始逐一揭晓。其中来自香港中文大学、香港科技大学（广州）、东南大学、同济大学的研究者获得了研究方向最佳论文奖；来自谷歌的研究者获得了应用数据科学方向最佳论文奖；斯坦福大学（于今年1月获得学位）博士Wei
本期为大家介绍快手-社区科学线自研论文：TWIN:TWo-stageInterestNetworkforLifelongUserBehaviorModelinginCTRPredictionatKuaishou本文发表于2023年KDDAppliedDataScienceTrack（录取率25.4%），旨在解决传统的超长行为建模中长久存在的「两阶段中相似度度量标准不一致」问题，从而提升超长行为建模的精准度。作者：常健新、张晨斌、傅智毅、臧晓雪、关琳、吕静、惠轶群、冷德维、牛亚男、宋洋论文地址：https://arxiv.org/abs/2302.023521. 背景与Motivation快手，
DualGraphConvolutionalNetworksforAspect-basedSentimentAnalysis(2021ACL)DualGraphConvolutionalNetworksforAspect-basedSentimentAnalysis基于方面的情感分析的对偶图卷积网络论文地址:https://aclanthology.org/2021.acl-long.494.pdf论文代码:https://github.com/CCChenhao997/DualGCN-ABSA1.介绍1.1研究目标基于方面的情感分析是一个细粒度的情感分类任务。图1：一个例句及其依赖关系树，来
谷歌在KDD2023发表了一篇工作，探索了推荐系统ranking模型的训练稳定性问题，分析了造成训练稳定性存在问题的潜在原因，以及现有的一些提升模型稳定性方法的不足，并提出了一种新的梯度裁剪方式，提升了ranking模型的训练稳定性。下面给大家详细介绍一下这篇文章。1、模型背景本文以Youtube中的ranking模型为例，进行推荐系统ranking模型训练稳定性的分析。整体模型如下图所示，包括特征输入层、多任务共享层、每个任务私有参数层，整体包括CTR预估、CVR预估等多个任务联合训练。图片什么样的训练过程是稳定性比较差的呢？如下图所示，model-a的loss和auc曲线被文中称为micr
文章目录1要点1.1概述1.2一些概念1.3代码1.4引用2基础知识2.1符号2.2信息传递神经网络(MPNN)3方法3.1子图提取3.1.1基于节点的策略3.1.2基于图的策略3.2随机游走返回概率编码3.3子图信息注入的信息传递1要点1.1概述题目：子结构感知图神经网络(Substructureawaregraphneuralnetworks,SAGNN)背景：尽管图神经网络(GNN)在图学习方面取得了巨大成就，但由于GNN的传播范式与一阶Weisfeiler-Leman图同构测试算法(1-WL)的一致性，导致其难以突破1-WL表达能力的上限。思路：通过子图更容易区分原始图。方法：提出子结
Abstract为了更好的推荐，不仅要对user-item交互进行建模，还要将关系信息考虑进来传统方法因子分解机将每个交互都当作一个独立的实例，但是忽略了item之间的关系（eg：一部电影的导演也是另一部电影的演员）高阶关系：用一个/多个链接属性连接两个itemKG+user-itemgraph+highorderrelations—>KGAT递归传播邻域节点（可能是users、items、attributes）的嵌入来更新自身节点的嵌入，并使用注意力机制来区分邻域节点的重要性Introductionu1u_1u1是要向其提供推荐的目标用户。黄色圆圈和灰色圆圈表示通过高阶关系发现但被传统方法
文章目录前言一、论文拟解决问题与思想二、正文1.标识概念2.快速卷积2.1谱图卷积2.2线性模型3.半监督节点分类4.实验5.结果总结前言开始进入研究生生活啦~想研究的方向是图深度学习方向，现在对图卷积神经网络GCN进行相应的了解。这篇文章就是对《Semi-SupervisedClassificationwithGraphConvolutionalNetworks》这篇发表在2017年ICLR上的会议论文。这是一篇经典的论文，对刚刚接触GCN的研究人员来说，是一个很好的开始。一、论文拟解决问题与思想《Semi-SupervisedClassificationwithGraphConvoluti
文章目录前言一、论文拟解决问题与思想二、正文1.标识概念2.快速卷积2.1谱图卷积2.2线性模型3.半监督节点分类4.实验5.结果总结前言开始进入研究生生活啦~想研究的方向是图深度学习方向，现在对图卷积神经网络GCN进行相应的了解。这篇文章就是对《Semi-SupervisedClassificationwithGraphConvolutionalNetworks》这篇发表在2017年ICLR上的会议论文。这是一篇经典的论文，对刚刚接触GCN的研究人员来说，是一个很好的开始。一、论文拟解决问题与思想《Semi-SupervisedClassificationwithGraphConvoluti
dockercompose配置网络启动容器报错：ERROR:TheComposefile'./docker-compose.yml'isinvalidbecause:networks.test_220.ipam.configvalueAdditionalpropertiesarenotallowed('gateway'wasunexpected)前置条件：首先确保配置的网关IP和已有的网络不存在冲突（ifconfig或ipaddr）查看docker-compose配置确认一下dockercompose的版本（docker-compose-version）解决办法：方法一：dockercompo
