本周精选了10篇数据挖掘领域的优秀论文，来自香港中文大学、中国科学院、华为诺亚方舟实验室等机构。
为了更方便地阅读，只整理了论文标题、作者、AI综述等，如果感兴趣可点击进入小程序详情页查看论文，PC端数据同步，每日新论文也可登录小程序查看。AMiner订阅小程序
论 文 合 集✦
1. Multi-Graph based Multi-Scenario Recommendation in Large-scale Online Video Services 论文详情页
作者介绍：Fan Zhang,Qiuying Peng,Yulin Wu,Zheng Pan,Rong Zeng,Da Lin,Yue Qi
AI华同学综述（大模型驱动）:在本文中,我们提出了一种多图结构的多场景建议解决方案,该解决方案将多个图的相互作用数据集成到场景中,并通过图学习获得表示。大量的 offline和online实验在实际数据集上的实验表明,该方法的性能优于常规方法,并在 activating冷冻视频和增强目标建议方面优于普通方法。我们提出了一个多图的多场景指南解决方案,它将来自多个场景的相互关系数据集与多个图集相结合,并从图学习中获得表示,该表示通过图的学习获得。
2. OA-Mine: Open-World Attribute Mining for E-Commerce Products with Weak Supervision 论文详情页
作者介绍：Xinyang Zhang, Chenwei Zhang, Xian Li, Xin Luna Dong,Jingbo Shang, Christos Faloutsos, Jiawei Han
AI华同学综述（大模型驱动）:我们提出了一个原则性的框架,该框架首先生成属性值候选人,然后将它们的属性分组为属性聚类。在候选生成步骤中,一个预训练的语言模型将从产品标题中提取短语,并将其映射为属性的区分性特征。然后,我们通过我们self-ensemble的框架发现新的属性和值。我们的框架明显优于基线,可以推广到看不见的属性和产品类型。
3. TTAGN: Temporal Transaction Aggregation Graph Network for Ethereum Phishing Scams Detection 论文详情页
作者介绍：Sijia Li,Gaopeng Gou,Chang Liu,Chengshang Hou,Zhenzhen Li,Gang Xiong
AI华同学综述（大模型驱动）:近年来,黑客骗局成为在并行数据库中扮演主导作用的最严重类型的犯罪。目前的Ethereum黑客欺诈检测技术主要使用传统机器学习或网络表示学习从并行网络中窃取关键信息。然而,这些方法采用了最后的交易记录,甚至完全忽略了这些记录,而仅使用手工制作的特征被用于节点表示。在本文中,我们提出了一种时间边界集成图网络(TAGN)来增强Etheretum黑客诈骗检测性能。具体来说,在时隙表示模块中,我们在节点之间的历史交易记录的基础上,将节点之间的时隙模型建模,以构建并行交易网络。此外,在节点周围的边界表示中,我们也将集成交易特征与图神经网络中发现的常用统计和结构特征相结合,以识别黑客密码。
4. DraftRec: Personalized Draft Recommendation for Winning in Multi- Player Online Battle Arena Games 论文详情页
作者介绍：Hojoon Lee,Dongyoon Hwang,Hyunseung Kim,Byungkun Lee,Jaegul Choo
AI华同学综述（大模型驱动）:我们提出了DraftRec,一种新的层次模型,该模型通过考虑每个球员的冠军偏好和球员之间的互动来推荐角色。我们从手动收集的280,000场比赛中训练和评估了我们的模型,并从 publicly提供50,000场比赛的多方格斗游戏中评估了该模型。最后,我们证明了我们的方法为真实世界球员提供了可靠和满足的建议。
5. Cross Pairwise Ranking for Unbiased Item Recommendation 论文详情页
作者介绍：Qi Wan,Xiangnan He,Xiang Wang,Jiancan Wu,Wei Guo,Ruiming Tang
AI华同学综述（大模型驱动）:本文描述了一种新的基于对数线性组合排序的学习范式,该范式可以在观察到的互动数据上实现无监督推荐。它不同于线性概率得分(ISP),它避免了观察到的诱导因素对学习的影响。实验结果表明,CPR在模型泛化和训练效率方面比最先进的自底向上推理系统具有更高的优势。我们提出了一种新的学习范式CPR,并表明它比自底向上排名系统具有更好的优点。
6. Scheduling Virtual Conferences Fairly: Achieving Equitable Participant and Speaker Satisfaction 论文详情页
作者介绍：Gourab K. Patro,Prithwish Jana,Abhijnan Chakraborty,Krishna P. Gummadi,Niloy Ganguly
AI华同学综述（大模型驱动）:我们提出了一种联合优化框架,该框架允许会议组织者为期定义的目标实现平衡。我们表明,仅优化效率才能导致不公平的虚拟会议日程。为了解决这个问题,我们形式化地定义了参与者和演讲者的公平性概念,并提取适当的目标来考虑它们。我们还提出了两种可扩展的技术,用于为更大的会议安排大型会议。
7. Auction Design in an Auto-bidding Setting: Randomization Improves Efficiency Beyond VCG 论文详情页
作者介绍：Aranyak Mehta
AI华同学综述（大模型驱动）:我们研究了在自动投标环境中设计投标的问题。以前的结果表明,VCG下限的价差(PoA)在VCG规则下是2,而且这一点也很紧。这使得人们想知道VCG在这种情况下是否会产生最好的效率。我们提出了一种先验无关随机投标,该投标的PoA约为896,对于两名投标人的案例,PoA是 approx.
8. HRCF: Enhancing Collaborative Filtering via Hyperbolic Geometric Regularization 论文详情页
作者介绍：Menglin Yang,Min Zhou,Jiahong Liu,Defu Lian,Irwin King
AI华同学综述（大模型驱动）:我们提出了一种新的基于熵的超线性整数线性化算法,该算法比最先进的基线系统具有更好的竞争性能。通过理论分析,我们进一步证明,我们的提议能够解决超线性的聚类问题,并给模型带来更好的分类能力。我们开发了一种新的神经图联合过滤器,并设计了一种基于熵的高性能线性度量线性约束器。
9. A New Dynamic Algorithm for Densest Subhypergraphs 论文详情页
作者介绍：Suman K. Bera,Sayan Bhattacharya,Jayesh Choudhari,Prantar Ghosh
AI华同学综述（大模型驱动）:给定一个加权图的紧凑副标题是计算紧凑图的基本问题。在许多应用程序中,基本上下文被更好地模拟为加权超图,以保持输入不断变化。本文提出了一种新的算法,该算法即使是输入超图加权的情况下也有效。该算法的改进(近)优于最先进的算法。
10. COCTEAU: an Empathy-Based Tool for Decision-Making论文详情页
作者介绍：Andrea Mauri,Andrea Tocchetti,Lorenzo Corti,Yen-Chia Hsu,Himanshu Verma,Marco Brambilla
AI华同学综述（大模型驱动）:我们描述了COCTEAU(创建欧洲联盟),一种新的框架,该框架基于同情和玩耍来创建一个旨在加强市民与政策制定者之间的互动的工具。我们描述了我们的设计过程和我们的具体实施情况,该工具已经进行了各种takeholder的初步评估。此外,我们简要报告了评估结果。最后,我们详细描述了我们的演示的结构和目标。
本文编辑志愿者：赵俊杰
如果想要获取更多数据挖掘的内容，欢迎使用AMiner订阅推荐系统。
只需两步即可完成订阅推荐！
输入“Date Mining”，即可获得与数据挖掘相关的推荐内容，快去试试吧！
点击阅读原文，直达AMinerRec系统
快来定制你的科研动态吧！