Sep, 2023

响应项目建议书的开放数据驱动团队推荐，促进研究合作

PDF
TL;DR利用各种人工智能方法建议团队、评估团队质量并验证用户满意度，用以推荐和匹配研究机构与研究人员之间的合作机会。
building teamspromoting collaborationrecommend teamsai methodsuser study
发现论文，激发创造
  • 基于数据的 ULTRA 方法：在研究提案的响应中建议团队组建

    本研究介绍了一种新兴的基于人工智能的方法和原型系统，以在研究人员对来自资金机构的提案邀请时协助团队组建。

    Jan, 2022

  • 高级学术团队成员推荐模型

    通过结合查询上下文和论文与图拓扑的关系构成新的图模型 CQBG-R，我们提出了一种学术团队工作者推荐的方法，以研究兴趣和特定任务为目标，实验证明了该方法的有效性。

    Feb, 2024

  • 社交网络上的团队容量问题

    本研究旨在解决团队组建问题，通过社交网络来形成一个既社交亲密，又能分配任务且无用户过载的团队，并借助 crawled millions 的 GitHub 数据集和近似算法找到高效团队。

    May, 2012

  • 未知环境下的协同人工智能团队合作通过主动目标推理

    人工智能与未知代理的协作中，使用了基于内核密度贝叶斯逆学习方法和预训练的、目标条件下的策略以实现零 - shot 策略适应性。该框架在多样的未知代理环境中得到验证，结果表明在合作场景中，其卓越的团队表现推动了人工智能与未知代理的发展。

    Mar, 2024

  • 利用人群的力量增加社会领域数据科学的能力

    本文介绍了三个案例，分别为教育、公共卫生和政府创新领域，这些组织采用数据科学竞赛来回答紧迫问题，并反思了公开竞赛模式的独特优势。

    Jun, 2016

  • 基于图形策略学习的开放式即席团队合作

    本文提出建立一个自主代理，该代理可以在没有先前的协调机制的情况下快速适应以与队友合作的挑战性问题，包括联合培训，该解决方案基于图神经网络学习代理模型和不同团队组成下的联合行动价值模型，并提出了新的行动价值计算方法， 经实验证明，该方法成功地模拟了其他代理对学习器的影响，导致了可以稳健地适应动态团队组成并显着优于若干替代方法的策略。

    Jun, 2020

  • 构建有效的人工智能团队：建立能够补充多种专业能力的机器学习模型

    通过联合训练分类器和分配系统的方式来补充多个人类专家的能力，实现了对于人类专家难以预测的情况进行准确预测，并将任务分配给最合适的小组成员，该方法在多个实验中均表现出优越的性能。

    Jun, 2022

  • 投影：混合倡议式研究过程

    本文介绍了混合式交互界面 Projection，它通过支持搜索过程中上下文添加、多维信息可视化和层次聚类等技术提高了人机交流的带宽，具有潜在的市场应用前景。

    Jan, 2022

  • 社交协同检索

    本文提出了一种新的协作检索模型，通过整合社交网络信息来提高文本检索的准确性，在真实的音乐数据集上进行了实证分析，证明在数据稀疏性强的情况下，社交信息对于文本检索尤为重要。

    Apr, 2014

  • 基于最密子图的多技能协作团队

    本文研究在社交网络中，如何通过密度算法，从一个由多个技能节点构成的网络中，找到最合适的团队或合作对象，以满足项目对固定技能数量的要求，并给出了 3 - 近似算法和基于密度的启发式算法扩展，这类算法在多个团队协作兼容性指标方面具有优越性。

    Feb, 2011