KDD 2020（三） | 从多个环境选择性偏差中学习稳定的图结构

⬆⬆⬆              点击蓝字

关注我们

AI TIME欢迎每一位AI爱好者的加入！

何玥，清华大学计算机科学与技术系、多媒体与网络实验室、二年级博士生。导师为崔鹏教授。主要研究方向为：因果挖掘、稳定学习和图计算。已在KDD、IJCAI等会议上发表多篇论文。

一、提出问题

1.1

什么是图结构

图(Graph)：是一种比线性表和树更为复杂的数据结构，图(a)就是一个图的例子。

图结构：是研究数据元素之间的多对多的关系。在这种结构中，任意两个元素之间可能存在关系。

那么作者在这方面遇到的问题形象的描述起来，模型学习到的关于炸鸡、啤酒和可乐之间的图结构，在面对西方人和韩国人之间的选择偏差时，模型会遭到不稳定性的困扰，简单点就是选择困难症。

1.2

问题提出

在一个Data Source 中可以通过不同的采样方式获得不同的数据集合，并且通过图去描述这个采样环境。上图的绿色和蓝色框描述了两个通过不同采样结果后，经过构建图的算法得到的图结构，