我院本科生论文首次被人工智能国际顶级会议录用

近日，大数据分析与智能实验室2011级本科生牛玉磊以第一作者完成的论文《Weakly Supervised Matrix Factorization for Noisily Tagged Image Parsing》被人工智能国际顶级会议IJCAI 2015全文录用。IJCAI全称International Joint Conferences on Artificial Intelligence，是世界公认的人工智能领域最顶级会议，同时是中国计算机学会推荐的A类国际会议，每两年召开一次。这是我院首次有本科生完成的论文被人工智能国际顶级会议录用。该论文是在卢志武副教授与文继荣教授的共同指导下完成的。

此外，大数据分析与智能实验室还有两篇论文被人工智能国际顶级会议IJCAI 2015全文录用，分别为2012级博士生王仲远以第一作者完成的论文《Query Understanding through Knowledge-Based Conceptualization》、卢志武副教授以第一作者完成的论文《Social Image Parsing by Cross-Modal Data Refinement》。

上述三篇论文分别简要地介绍如下：

1. Yulei Niu, Zhiwu Lu, Songfang Huang, Peng Han, Ji-Rong Wen: Weakly Supervised Matrix Factorization for Noisily Tagged Image Parsing, IJCAI 2015.

该论文针对传统的图像解析方法对监督信息要求太高的问题，考虑带噪声的图像级标签作为弱监督信息，从而降低对标签准确性与完整性的要求，并提出一种基于拉普拉斯正则化的矩阵分解方法进行建模，在标准数据集上取得相对较好的结果。

2. Zhongyuan Wang, Kejun Zhao, Haixun Wang, Xiaofeng Meng, Ji-Rong Wen: Query Understanding through Knowledge-Based Conceptualization, IJCAI 2015.

该论文针对近期热点“短文本概念化”，提出了利用短文本中的动词、形容词、属性词等上下文，通过一个由知识库构建出的图模型进行整体概念化，从而破除传统自底向上分阶段进行短文本语义理解方法的弊端。该方法在精度与性能上都较原有方法有较大提升。

3. Zhiwu Lu, Xin Gao, Songfang Huang, Liwei Wang, Ji-Rong Wen: Social Image Parsing by Cross-Modal Data Refinement, IJCAI 2015.

该论文重点研究图像语义分割。它是计算机视觉中最基础和最困难的问题，能为视频监控、人机交互、自动驾驶等热点应用提供支撑。但是，训练语义分割模型需要大量的人工标注信息，导致它在实际应用中有很大局限性。本文主要考虑从社交图像中自动提取监督信息，从而为训练更强的语义分割模型提供帮助。