AAAI2020 录用结果公布，审稿争议引发讨论及入选论文概览
会议概况与数据统计
AAAI2020 于 2 月 7 日 -2 月 12 日在美国纽约举办，由 IBM Research 科学家 Francesca Rossi 担任大会主席。该协会成立于 1979 年，是全球人工智能领域的顶级国际会议。此次大会特别邀请了 2018 年图灵奖得主 Yoshua Bengio、Geoffrey E.Hinton 以及 Yann LeCun 作为特别嘉宾分享探讨。
本届大会收到了 8800 篇提交论文，最终有效投稿达到 7737 篇，接收 1591 篇，接收率 20.6%。相比去年的 16.2%，稍有提升。国内高校此次收获颇丰，例如上海交通大学计算机系同学中了七篇，哈尔滨工业大学社会计算与信息检索研究中心共 8 篇长文被录用，刘知远老师团队也有 5 篇论文入选。
评审结果争议
在公布录用结果后，本届 AAAI 的评审质量受到了广泛质疑。知乎等平台有关'如何评价 AAAI2020 审稿'的帖子中，评论区的留言大相径庭。有网友认为评委意见客观公正，但更多网友对部分结果表示质疑。例如有分数是 9-8-6 无理由被拒，还有得 9-9-7 的竟也凉凉。很多 CV 与 NLP 方向的论文都是高分杯具。
除了被拒吐槽，有审稿人也跟帖坦言如今的审稿机制令人堪忧。清华刘知远老师作为本次大会的 SPC，在知乎回复了大家有关审稿的相关质疑。在他看来审稿问题不能一概而论并表达了自己的观点，同时也给论文没中的同学指点迷津。
从此次 AAAI 放榜结果来看，顶会审稿机制不只一次被吐槽。随着 AI 研究的火爆，各大顶会都受到了论文翻倍增长的压力。一方面是投稿论文的剧增，另一方面是专业审稿人的严重不足，导致审稿质量大幅下降，引得投稿人怨声连连。这也暴露出越来越多的问题，比如顶会论文'灌水'的做法已经带来了硕士生博士生申请门槛越来越高、参会门票难以购买、审稿人年轻化等问题，这都需要领域内的学者们反思并设计改进方案。
入选论文精选
以下整理部分入选论文供大家参考学习：
Unsupervised Nonlinear Feature Selection from High-dimensional Signed Networks
作者： 黄强，孙慧妍，Makoto Yamada 等（吉林大学，京都大学） 摘要： 本文提出了一种适用于符号网络的非线性特征选择算法 SignedLasso，采用 HSIC Lasso 非线性特征选择算子，将特征映射到高维空间中，捕捉特征与输出之间的非线性依赖关系，同时结合网络中的正链接和负链接信息，为符号网络进行特征选择。
Learning Signed Network Embedding via Graph
作者： 李玉，张嘉洧等（吉林大学，美国佛罗里达州立大学） 摘要： 本文考虑符号网络中正负边关系及节点对其相邻节点的重要性不同，在结构平衡理论的基础上，结合图卷积神经网络与图注意力机制，生成符号网络中节点的嵌入式表示。
Tensor Graph Convolutional Networks for Text Classification
作者单位： 清华大学 摘要： 相对于 LSTM 等序列模型，图神经网络能够以更加灵活的方式获取复杂的结构信息构建表示。而单一的图结构不足以有效的刻画丰富的信息，因此多图联合学习至关重要。本研究中我们提出了一种通用的多图联合学习架构：张量图神经网络模型 TensorGCN。该联合学习框架通过图内和图间同时进行消息传递的方式进行多源异构图信息的有效融合。我们将 TensorGCN 框架应用于文本分类任务，对文本数据分别建立语义图、语法图、和序列图，并进行多图联合学习，在多个公开数据集上均获得了性能的有效改进，达到了 state-of-the-art 效果。
Learning Conceptual-Contextual Embeddings for Medical Text
作者： Xiao Zhang，Dejing Dou，Ji Wu（清华大学，俄勒冈大学） 论文地址： https://arxiv.org/pdf/1908.06203.pdf 摘要： 结构化知识经常可以在 NLP 任务中提供辅助，我们提出名为概念上下文表示（CC-embedding）的一种文本表示模型，将结构化知识结合到了上下文表示网络中。模型可以直接用于 NLP 任务中作为表示层，无需改动任务模型即可将知识库中的知识引入到 NLP 任务中。我们研究了在大规模医学知识库（UMLS）和医学文本处理上的有效性，发现模型在概念层次表现了较好的泛化性能，在多种基于电子病历（EHR）的文本处理任务上获得明显性能提升。