我院杜博教授领导的机器学习课题组 3 篇长文被将于2018 年 7 月 13 日至 19 日在瑞典斯德哥尔摩举行的人工智能领域顶级国际会议 IJCAI（International Joint Conference on Artificial Intelligence）录用（均为oral）。其中一篇论文一作为计算机院本科生马思晗同学，这是课题组在本科生科研培养上的又一成绩。

三篇论文就目前人工智能和机器学习领域中的推荐系统、视觉数据噪声抑制以及大数据聚类算法三个热门课题进行了深入研究和探讨。推荐系统是解决当前信息数据过载问题最有效的技术手段之一，目前已在电子商务，移动端app下载，视频浏览，新闻浏览等诸多领域取得了广泛的应用，推荐系统优化了用户体验，同时也为企业创造了收益和口碑，在学术界和工业界都备受关注；噪声抑制和高效聚类都是当前大数据需要解决的问题之一，在目前数据泛滥，数据质量低的现状下，如何噪声抑制和快速标注可用数据，对大数据的高效利用具有重要价值和意义。

IJCAI始于1969年，是国际 AI 领域研究内容最为全面、最具影响力的顶级学术会议之一，同时也是中国计算机协会评定的A类会议。会议内容全面，涵盖了自然语言处理、机器学习、人工智能理论与架构、机器人科学等领域，会议的论文基本代表人工智能领域最新研究进展和最高研究水平。近年来，随着人工智能发展，IJCAI论文投稿量持续增加。2018年IJCAI有效投稿量3470篇，录用量为710篇，录用率为20.5%，相对于2017年投稿量2540篇，录取量660篇而言，18年的论文的录取更为严格。此外，该课题组今年以来在人工智能和多媒体领域取得了一系列成绩：一篇论文年初被人工智能A类会议AAAI录用为oral，两篇论文被多媒体领域三大顶会之一的IEEE ICME录用为oral。

三篇论文简介如下：

2016级博士研究生王增茂同学的“Matrix Completion with Preference Ranking for Top-N Recommendation”，该论文结合推荐评分矩阵的全局低秩特性和用户对商品等条目偏好的局部特征，构造了一种保持局部和全局特征的联合学习矩阵补全模型，并引入线性模型，提出了一种简单的分解优化方法，可以对联合模型进行快速优化求解。论文指导教师为杜博教授。

2017级博士研究生李雪同学的“R-SVM+:Robust Learning with Privileged Information”，在使用特权信息的SVM+框架下，考虑数据潜在噪声对模型预测结果的影响，通过严谨的理论分析，推导出由噪声带来的数据扰动的下界，通过最大化扰动的下界来提高模型对噪声的鲁棒性。R-SVM+的目标函数可以转化为一个二次规划问题，可以用现有的工具包高效求解。论文指导教师为杜博教授。

2014级本科生马思晗同学“Self-Representative Manifold Concept Factorization with Adaptive Neighbors for Clustering”，提出了一种新的基于流形约束的概念分解聚类算法。首先，在目标函数中加入了基于自表达和自适应近邻结构的流形约束，能够有效地减少聚类结果对原始数据和相似度矩阵模型的依赖。同时，自表达模型能够挖掘数据的全局结构信息，有助于得到更好的聚类效果。最后使用迭代优化可以直接得到聚类结果。实验证明该算法能够有效提升聚类效果。论文指导教师为张乐飞教授。