- 无需几乎没有训练的聚合相关估计
通过考虑相关性，本文提出了不同的聚合规则，并将它们与朴素规则进行了比较。通过基于合成数据的各种实验证明，当关于误差之间的相关性已知足够信息时，最大似然聚合应该优先考虑。否则，通常情况下，建议使用一种称为嵌入式投票（EV）的方法。
- 面向联合对话情感分类和行为识别的双向多跳推理模型
我们提出了一个双向多跳推理模型（BMIM），利用特征选择网络和双向多跳推理网络以双向方式迭代提取和整合丰富的情感和行为线索，明确建模情感和行为标签的相关性，从而在 Dialog Sentiment Classification（DSC）和 - 基于个例的特征选择和排序的共轭
我们提出了一种基于高斯联合分布的特征选择方法，该方法可以在神经网络中进行实例级的特征选择，并捕捉变量之间的相关性。实验结果表明，我们的方法能够准确地捕捉到有意义的相关性。
- 基于数据的量子纠缠度标准
我们建立了一个利用随机生成的状态以无监督方式训练的神经网络来检测三比特系统中的相关性的机器学习模型。我们发现该检测器在区分弱量子相关性（量子异质性）方面比 in fact 原先预期的更好，并且它对于测量量子纠缠的状态的集合往往高估，对于测量 - SIGIRHyperFormer: 通过超图 Transformer 学习表现力强的稀疏特征表示
本文从图学习的角度，利用 Hypergraph Transformer 模型，通过在构造的超图上传递信息，得出在高维稀疏数据的特征表征学习中的相关性，从而更好地解决相关性的问题。
- RoLA：一种针对多元时间序列的实时轻量级异常检测系统
提出 RoLA—— 一种基于分治策略、并行处理和大多数原则的实时在线轻量级多变量时间序列异常检测系统， 以监视多变量时间序列，动态地在运行时确定变量之间的相关性，然后根据大多数原则联合检测异常。通过一个基于公共数据集的试验，证明 RoLA - 基于图形的标签增强多示例多标签学习
本文提出了一种基于图标签增强的新的多实例多标签分类学习框架（GLEMIML）以提高分类性能和利用标签的重要性。GLEMIML 首先通过建立图识别实例之间的相关性，然后通过非线性映射将从特征空间挖掘到的隐含信息迁移到标签空间，从而恢复标签的重 - 网络安全的图挖掘技术概述
该研究综述了基于图挖掘的网络安全领域，包括网络安全任务的概述、典型的图挖掘技术、应用于网络安全的一般过程以及不同网络安全任务的各种解决方案。同时，这篇综述还收集了基于图的网络安全开放数据集和工具包，并对未来的研究进行了展望。
- ICLR通过 Hausdorff 分解支持关联因素解缠
本文提出了一种使用 Hausdorff 分解支持（HFS）标准的放松知识分离方法。这种方法在考虑因素的相关性时实现了对深度学习表示的分离，并在各种相关环境和基准测试中表现出色，对于现有的分离方法具有相对改进超过 60％的效果。
- AI 系统的反事实解释是否会扭曲普通用户对世界因果直觉的理解？如果是，我们能纠正吗？
本文探讨了 AI 系统中基于反事实进行的解释在实际应用中所带来的影响以及其引发的因果信念变化，通过实验证明了提供 AI 系统预测的反事实解释会影响人们对于该预测所关联的特征是否具有因果性的判断，其结果表明指出 AI 系统只能捕捉到相关关系而 - 通过最小描述长度发现代表性属性 - 星
提出无需设置参数的 CSPM 算法，通过条件熵和最小描述长度原则发现反映节点属性之间强相关性的星形图案，实验表明 CSPM 方法高效且在真实数据中应用广泛，可提高图属性完成模型的精度并揭示电信警报数据中的重要模式。
- ACL动态精化正则化以提高跨语料库的仇恨言论检测
自动识别和减少虚假相关，并使用动态精修词汇表来规范已有的分类器以提高跨数据集的表现。
- 视频超分辨率变换器
本研究采用 Transformer 对视频超分辨率问题进行了改进，引入了空时卷积自注意力层以利用数据位置信息，设计了双向光流驱动前馈层以发现不同视频帧之间的相关性并对齐特征，实验证明了这种方法的有效性。
- ICML预测再插值：一种学习稳定分类器的简单算法
本文提出了一种名为 Predict then Interpolate (PI) 的算法，通过使用分类器在一个环境中训练并将其用于另一个环境中进行预测的错误来揭示不稳定的相关性，然后使用群组分布稳健优化来最小化所有插值的最坏情况风险，通过实验 - MM字形和其噪音印象的共享潜空间
本研究通过使用 DeepSets 方法，对字形相关的单词进行增强、对字形不相关的单词进行抑制，从而在大规模字体 - 印象数据集上实现了共享潜在空间，并表明该方法可适当描述相关性。
- PrivSyn：差分隐私数据合成
本文提出了 PrivSyn，第一个可以处理普通数据集（具有 100 个属性和域大小 $>2^{500}$）的自动合成数据生成方法，并在多个数据集上进行了广泛的评估，以展示我们的方法的性能。
- 矩阵乘积态和投影纠缠对态：概念、对称性和定理
通过张量网络描述纠缠，探讨了矩阵积态和投影纠缠对描述多体波函数的作用，分析了它们的数学结果，并讨论了其在纠缠结构和重整化群方面的应用。
- 基于潜变量链转换的多标签情感分类 Seq2Emo
本文提出了一个 Latent Variable Chain (LVC) 转换和 Seq2Emo 模型，它不仅可以自然地预测多重情感标签，还考虑了它们之间的相关性，从而取得了比现有最先进方法更好的结果。
- 图结构预测能量网络
提出了一种用于结构预测的能量网络，能够同时建模明确局部和隐式高阶关联，同时保持推理的易计算性，并将该方法应用于自然语言处理和计算机视觉任务，展示了其广泛实用性。
- 量子通胀：量子因果兼容性的通用方法
本文介绍了量子膨胀，这是一种系统性的技术，用于证明给定的量子因果模型是否与某些观察到的相关性相容。通过重现已知结果和解决一些因果网络的范例问题，我们展示了该技术的实力。该研究可能在许多领域中发现应用：从量子网络中的相关性表征到研究热力学和生