计算机所师生于2017年2月4日至9日赴美国旧金山参加了第31届美国人工智能协会年度会议AAAI-2017 (The Thirty-First AAAI Conference on Artificial Intelligence)。AAAI是人工智能领域国际顶级学术会议，每年召开一次，主要探讨人工智能领域的突破和发展，论文接收率低于25%，一直以来受到了国际学术界的广泛关注。

本次AAAI会议涉及机器学习、自然语言处理、计算机视觉、博弈论、机器人技术等人工智能相关的多个领域，并且十分注重学术研究与产业应用的结合。不仅包括特邀报告、成果展示、海报宣讲等大会传统环节，在”AI In Practice”部分，百度、谷歌、领英等八家公司的技术人员展示了他们各自在人工智能领域的最新研究成果，如无人驾驶、语音识别等，让与会者看到了人工智能广阔的应用场景。同时，本次大会有许多华人面孔，彰显了华人在人工智能领域的影响力与日俱增。

计算机所师生在AAAI-2017会议中硕果累累，发表了6篇长文，3篇短文，分别作了口头报告和海报展示，内容涉及计算机视觉、自然语言处理、知识图模型、音频处理等多个课题。

论文信息如下：

[1]. Xiangteng He and Yuxin Peng. Weakly Supervised Learning of Part Selection Model with Spatial Constraints for Fine-grained Image Classification. (Poster, Full Paper)

该论文提出了一种基于空间约束的局部区域选择弱监督学习方法，利用物体与局部区域之间以及局部区域之间的空间关系约束实现了显著性局部区域的有效选择。

[2]. Sida Wang, Xiaojun Wan and Shikang Du. Phrase-Based Presentation Slides Generation for Academic Papers. (Poster, Full Paper)

该论文针对为学术文献自动生成幻灯片讲稿的场景需求，提出了一种以短语为单位构建层级文字结构的方法。

[3]. Shuo Yang, Lei Zou, Zhongyuan Wang, Jun Yan, Ji-Rong Wen. Efficiently Answering Technical Questions — A Knowledge Graph Approach. (Poster, Full Paper)

该论文提出了一种利用知识图谱来优化技术问题问答的方法。

[4]. Yadong Mu, Zhu Liu. Deep Hashing: A Joint Approach for Image Signature Learning. (Poster, Full Paper)

该论文将深度神经网络和图像哈希学习无缝结合，提出了一种新的损失函数及其平滑近似方法，以及对深度网络预训练的基于实验的探讨。

[5]. Jin-ge Yao and Xiaojun Wan. Greedy Flipping for Constrained Word Deletion. (Oral, Full Paper)

该论文为考虑句法约束的语句压缩问题提出了一种高效的贪心搜索解法，避开了经典整数规划模型的复杂性。

[6]. Sijie Song, Cuiling Lan, Junliang Xing, Wenjun Zeng and Jiaying Liu. An End-to-End Spatio-Temporal Attention Model for Human Action Recognition from Skeleton Data. (Oral, Full Paper)

该论文利用空域注意力模型筛选不同动作类型中处在支配地位的节点子集，提取具有判别力和区分度的特征，同时，提出了时域注意力模型来量化动作的发展阶段对动作分类的影响力

[7]. Fang Liu and Xiaojun Wan. ATSUM: Extracting Attractive Summaries for News Propagation on Microblogs. (Student Short Paper)

该论文尝试为新闻自动生成面向微博、更有吸引力的简短文摘。

[8]. Xiaoyu Qi, Deshun Yang and Xiaoou Chen. Audio Feature Learning with Triplet-based Embedding Network. (Student Short Paper)

该论文是基于三元组卷积神经网络的音频特征学习。

[9]. Zheqi He, Yafeng Zhou, Yongtao Wang, Zhi Tang. SReN: Shape Regression Network for Comic Storyboard Extraction. (Student Short Paper)

该论文提出了一个新的框架，用于进行漫画分镜的抽取：首先进行分镜检测，然后在此基础之上，用用回归的方式，得到漫画分镜的顶点。

同学们在AAAI-2017做展示

AAAI-2017会场