2月25日至3月4日,人工智能權(quán)威會(huì)議AAAI25(CCF A類)在美國賓夕法尼亞州費(fèi)城召開,研究組在main track錄用的論文“Community-aware variational autoencoder for continuous dynamic networks”以海報(bào)形式參加展示交流活動(dòng)。該論文針對(duì)變分自編碼器無法直接應(yīng)用于連續(xù)動(dòng)態(tài)網(wǎng)絡(luò)社區(qū)發(fā)現(xiàn)的問題,提出了一種新的變分自編碼器CT-VAE及其變體CT-CAVAE。CT-VAE通過將節(jié)點(diǎn)交互概念化為事件流,采用霍克斯過程捕捉時(shí)序動(dòng)態(tài)和因果關(guān)系,并將其納入推斷過程,可以有效地將傳統(tǒng)的推斷方法擴(kuò)展到連續(xù)動(dòng)態(tài)網(wǎng)絡(luò)。此外,在生成階段,CT-VAE結(jié)合了偽標(biāo)記和緊湊約束策略重建非相鄰結(jié)構(gòu)。CT-CAVAE則通過巧妙地集成高斯混合分布,實(shí)現(xiàn)了端到端的社區(qū)檢測。大量實(shí)驗(yàn)結(jié)果表明,CT-VAE和CT-CAVAE均優(yōu)于最先進(jìn)的基線。
據(jù)悉,本屆AAAI25會(huì)議在main track共投稿12957篇,錄用3029篇,錄用率約為23.4%,其中約4.6%的錄用論文為Oral,其余為Poster。
CT-VAE和CT-CAVAE方法框架
海報(bào)展板
海報(bào)展示大廳