2月25日至3月4日,人工智能權威會議AAAI25(CCF A類)在美國賓夕法尼亞州費城召開,研究組在main track錄用的論文“Community-aware variational autoencoder for continuous dynamic networks”以海報形式參加展示交流活動。該論文針對變分自編碼器無法直接應用于連續動態網絡社區發現的問題,提出了一種新的變分自編碼器CT-VAE及其變體CT-CAVAE。CT-VAE通過將節點交互概念化為事件流,采用霍克斯過程捕捉時序動態和因果關系,并將其納入推斷過程,可以有效地將傳統的推斷方法擴展到連續動態網絡。此外,在生成階段,CT-VAE結合了偽標記和緊湊約束策略重建非相鄰結構。CT-CAVAE則通過巧妙地集成高斯混合分布,實現了端到端的社區檢測。大量實驗結果表明,CT-VAE和CT-CAVAE均優于最先進的基線。
據悉,本屆AAAI25會議在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
海報展板
海報展示大廳