attention based spatial-temporal graph convolutional networks for traffic flow forecasting

阿里巴巴机器智能技术精选合集，顶级学术会议AAAI-2018收录论文，包括对抗学习、聊天机器人、无监督学习框架、低比特神经网络、机器翻译等内容，很不错，快来下载吧。

近年来，将传统的处理效果估计方法(如匹配估计器)和先进的表示学习方法(如深度神经网络)相结合的一个新兴的研究方向在广阔的人工智能领域引起了越来越多的关注。来自Georgia、Buffalo、阿里巴巴与Virginia的学者做了因果推理表示学习报告，在本教程中，介绍用于治疗效果估计的传统和最先进的表示学习算法。关于因果推论，反事实和匹配估计的背景也将被包括。我们还将展示这些方法在不同应用领域的应用前景。

日前，AAAI 2020最受瞩目的各大奖项已公布，最佳论文来自华盛顿大学艾伦人工智能研究所，最佳学生论文来自南洋理工大学、清华大学、香港大学的合作。

阿斯泰格 基于注意力的时空图卷积网络的交通流量预测（ASTGCN） 参考 数据集 我们在来自加利福尼亚的两个高速公路交通数据集PeMSD4和PeMSD8上验证了我们的模型。 这些数据集由Caltrans绩效评估系统（ ）（ ）每30秒实时收集一次。 交通数据会从原始数据每隔5分钟汇总一次。 该系统在加州主要都会区的高速公路上部署了39,000多台探测器。 有关传感器测站的地理信息记录在数据集中。 我们的实验中考虑了三种流量度量，包括总流量，平均速度和平均占用率。 我们提供两个数据集：PEMS-04，PEMS-08 PEMS-04： 307个探测器2018年1月至2月3个特点：流动，占据，速度。 PEMS-08： 170个检测器2016年7月至8月3个特点：流动，占据，速度。 要求 python> = 3.5 mxnet> = 1.3.0 mxboard 科学的 张

推荐系统论文清单 AAAI-20 （27/1590） 数词 标题 （1） PEIA：在社交媒体上推荐音乐的人格与情感综合注意力模型 （2） 下一步：为兴趣点建议建模长期和短期用户首选项 （3） 推荐的KnowledgeAware注意推理网络 （4） 通过引人入胜的路线增强个性化旅行推荐 （5） 有效的异构协作过滤而无需负采样 （6） 个性化下一位置推荐的注意力循环神经网络 （7） 记忆增强图神经网络的顺序推荐 （8） 利用标题摘要注意语义进行论文推荐 （9） 隐式反馈的多元化互动推荐 （10） 以问题为导向的采购倾向性分析 （11） 具有关系感知的核心自我注意的顺序推荐 （12） 双向市场平台中的增量公平：关于平稳更新建议 （13） 异构信息网络中多样式推荐的注意力引导步行模型 （14） 表2分析：多维数据通用分析模式的建模和建议 （15） 带有推荐的自

在最新AAAI 2020的邀请嘉宾报告上，Facebook人工智能总监、图灵奖得主Yann Lecun给了自监督学习的报告《Self-Supervised Learning 》，44页ppt，介绍了深度学习面临的挑战，自监督学习的光明前景，基于能量学习的因变量模型，介绍最新自监督学习的进展与问题，是非常值得看的报告。

知识图谱一直是学术界和工业界关注的热点。随着AAAI2020的到来，以下整理了最新10篇关于知识图谱的论文，来自清华大学、中科大、北航、中山大学、UCL、Facebook、腾讯、阿里巴巴等，包含义原知识图谱、知识图谱表示学习、知识迁移、知识图谱层次表示、常识知识图谱补全等，请大家查看！

AI模型可解释性是当前非常火爆的领域，本资料是AAAI 2020 tutorial的PPT，内容非常丰富，值得学习

HetSANN：异构图结构注意神经网络 这是AAAI'20论文的基本实现： 洪慧婷，郭汉涛，林玉成，杨晓青，李藏，叶介平。 2020年。基于注意力的图形神经网络，用于异构结构学习。 在AAAI会议论文集（AAAI'20）中。 HetSANN框架 HetSANN中的类型感知注意层（TAL） 依存关系 该脚本已经过测试，可以在Python 3.5.2下运行，并且安装了以下软件包（以及它们的依赖项）： argparse==1.4.0 numpy==1.14.1 scipy==1.0.0 networkx==2.1 tensorflow-gpu==1.6.0 此外，已使用CUDA 9.0和cuDNN 7。 概述 在这里，我们分别在HetSANN_M，HetSANN_MR和HetSANN_MRV中提供HetSANN.M，HetSANN.MR和HetSANN.MRV的实现。 M，R