IJCAI（人工智能国际联合大会）是人工智能领域的顶级综合会议，被中国计算机学会推荐国际学术会议列表认定为 A 类会议。IJCAI 始于 1969 年，最初每 2 年举行一次，从 2015 年开始改为每年一次。IJCAI 2017 于 8 月 19 日—25 日在澳大利亚墨尔本举办。今年 IJCAI 共收到 2540 篇论文投稿，最终录用 660 篇，录用率 26%。今日，IJCAI 公布了四项最佳论文奖，机器之心在现场第一时间进行了报道。
当地时间 22 日，IJCAI 2017 宣布了本次会议的获奖论文，最佳杰出论文由牛津大学计算机科学学院的 Mark Kaminski 等人获得，最佳学生论文奖由悉尼科技大学、巴黎东大和悉尼大学联合获得。经典论文奖是 Avrim L. Blum 和 Merrick L. Furst 在 1997 年提出的论文，该论文因改变了经典规划算法的视角而获奖。此外还有两篇论文因为对自动构建大型知识库和语义网络的重大贡献而获得卓越论文奖。以下是获奖论文的详情，机器之心对获奖论文做出了简要介绍。
最佳杰出论文奖（Distinguished Best Paper 2017）
- 论文：Foundations of Declarative Data Analysis Using Limit Datalog Programs
- 作者：Mark Kaminski、Bernardo Cuenca Grau1、Egor V. Kostylev、Boris Motik、Ian Horrocks
- 机构：牛津大学
- 地址：https://arxiv.org/abs/1705.06927
最佳杰出论文一作 Mark Kaminski 在 IJCAI 2017现场
最佳学生论文奖（Student Best Paper 2017）
- 论文：Tag Disentangled Generative Adversarial Networks for Object Image Re-rendering
- 作者：Chaoyue Wang、Chaohui Wang、Chang Xu、Dacheng Tao
- 机构：悉尼科技大学、巴黎东大、悉尼大学
- 地址：https://www.ijcai.org/proceedings/2017/0404.pdf
经典论文奖（Classic Paper Award 2017）
- 论文：Fast Planning Through Planning Graph Analysis
- 作者：Avrim Blum、Merrick L. Furst
- 机构：卡内基梅隆大学
- 地址：https://www.cs.cmu.edu/~avrim/Papers/graphplan.pdf
卓越论文奖（Prominent Paper Award 2017）
- 论文：BabelNet: The automatic construction, evaluation and application of a wide-coverage multilingual semantic network
- 作者：Roberto Navigli、Simone Paolo Ponzetto
- 机构：罗马大学、海德堡大学
- 地址：http://www.aclweb.org/anthology/P10-1023
- 论文：YAGO2: A spatially and temporally enhanced knowledge base from Wikipedia
- 作者：Johannes Hoffart 、 Fabian M. Suchanek 、Klaus Berberich、Gerhard Weikum
- 机构：普朗克信息学研究所，法国国家信息与自动化研究所
- 地址：https://www.sciencedirect.com/science/article/pii/S0004370212000719
最佳杰出论文：Foundations of Declarative Data Analysis Using Limit Datalog Programs
.png)
摘要：受声明性数据分析应用的启发，我们研究了 Datalogℤ，一个带有整数运算功能的实际数据记录（positive Datalog）的扩展。这一语言被认为是不可判定的，因此我们提出了两个分段（fragment）。在 limit Datalogℤ 中谓语被公理化以保持最小/最大数值，允许我们表明事实蕴含（fact entailment）是结合中的完整 coNExpTime 和数据复杂性中的完整 coNP。此外，额外的稳定性需求致使复杂性分别降至 ExpTime 和 PTime。最终，我们证明稳定的 Datalogℤ 能够表达很多有用的数据分析任务，因此我们的研究成果为高级信息系统的发展打下了坚实的基础。
最佳学生论文：Tag Disentangled Generative Adversarial Networks for Object Image Re-rendering
.png)
摘要：在这篇论文中，我们提出了一种条理化的标签解纠缠的生成对抗网络（Tag Disentangled Generative Adversarial Networks /TDGAN），该 TDGAN 通过指定多个场景属性（如视角、照明和表现等）从单张图片重新渲染出感兴趣目标的新图片。整个架构包含一个解纠缠网络（disentangling network）、一个生成式网络、一个标签映射网络（tag mapping net）和一个判别网络，它们基于一组给定的完全标注图片或半标注图片（即监督设置和半监督设置）进行联合训练。给定一张输入图像，解纠缠网络会抽取解开的、可解释性的表征，然后这些表征再投入到生成网络以生成图片。为了提高解纠缠表征的质量，该架构整合标签映射网络，以探索图像和其标注的一致性。此外，该架构引入判别网络来实现对抗性训练策略从而生成更加真实的图片。在两个有难度的数据集上的实验证明，我们提出的框架在兴趣域问题上有顶尖的表现。
经典论文：Fast Planning Through Planning Graph Analysis
.png)
摘要：我们介绍了一种新方法，基于构建和分析我们称之为规划图（planning graph）的致密结构，在与 STRIPS-like 域中进行规划。我们介绍了一个使用该机制的新规划器 Graphplan。Graphplan 通常返回一个简短的偏序规划（partial-order plan），或者声明无有效规划。
我们通过实证研究证明了该方法的有效性：在多个有趣的自然和人工规划问题上，Graphplan 优于全序规划器（total-order planner）Prodigy 和偏序规划器 UCPOP。我们的实证研究还证明了 Graphplan 生成的规划很合理。由于这种方法产生的搜索本质上与其他普通规划方法的搜索不同，因此，新方法的搜索提出了一种看待规划问题的新视角。
卓越论文一：BabelNet: The automatic construction, evaluation and application of a wide-coverage multilingual semantic network
摘要：我们在本论文中提出了 BabelNet，一个覆盖广泛的大型多语言语义网络。该网络通过从 WordNet 和维基百科中整合词典性与百科式知识，自动构建资源。此外，机器翻译也被用于丰富所有语言的词汇信息资源。我们在新的和现有的标准数据集上进行的实验证明了这一资源的高品质与覆盖范围。
卓越论文二：YAGO2: A spatially and temporally enhanced knowledge base from Wikipedia
摘要：我们提出了 YAGO2——YAGO 知识库的扩展，该知识库中实体、事实和事件按照时间和空间的顺序排列。YAGO2 从维基百科、GeoNames 和 WordNet 中自动构建而成，涵盖了 980 万实体的 4.47 亿事实。人类评估已经确认其中 95% 的事实属实。在本论文中，我们展示了抽取方法、时空维度的整合，以及我们的知识表征 SPOTL（原始的三合一 SPO 模型在时空上的扩展版）。
