- 将空间轨迹表示为分布
该论文介绍了一种空间轨迹的表示学习框架，通过将轨迹的部分观测表示为概率分布，实现对未观测部分的不确定性建模，并通过学习的潜在空间实现插值和外推。该方法能够直接修改轨迹的特定属性，如步伐，以及将不同的部分观测组合成单个表示，实验结果表明，在预 - SF-PATE: 可扩展、公平且私密的教师集成聚合
本文旨在研究一种隐私保护和公平的模型，该模型允许采用现有的公平模型，保护个人信息的隐私同时学习非歧视性预测器。实验证明该模型具有可扩展性、准确性和公正性。此外，该文章是第一个允许对非常大的神经网络训练私人和公平模型的提议。
- 超锥：概念元学习基于异质专家的统一用户分割
研究用户分割问题，通过 SuperCone 系统中的数字足迹，使用超级学习方法建立预测模型，灵活地 “适应” 异构专家来实现用户分割，并在实验证明此方法的优越性。
- ICLR3D 图形网络的球形消息传递
本文提出了一种基于球面坐标系的球面消息传递（SMP）算法和 SphereNet 模型，在可以区分几乎所有分子结构的同时提高了预测性能，证明其在大规模分子中具有高效性和可扩展性的优势。
- 视频深度信息最大化表示学习
本文介绍一种名为 Video Deep InfoMax (VDIM) 的自监督学习方法，将原 DeepInfoMax 扩展至视频领域，其利用内部结构构建视图，并利用这些视图进行预测任务，从而实现对 UCF-101 数据集的行为识别任务的 S - GraLSP：具有局部结构模式的图神经网络
我们提出了 GraLSP—— 一种图神经网络框架，通过随机匿名游走显式地将局部结构模式纳入邻域聚合中，设计了各种机制来解决结构特征的影响，包括自适应感受野、注意力和放大，并设计了捕捉相似性的目标，结合节点邻近度目标进行优化。
- MMSMP 挑战赛：社交媒体预测挑战赛 2019 概述
本文介绍了 “SMP Challenge” 中的新预测任务 ——“时序流行度预测”，该任务旨在利用社交多媒体数据进行未来互动性或吸引力的预测，并发布了一个包含超过 480K 发布内容和 69K 用户的大型 SMPD 基准数据集。
- AAAI利用图卷积转换器学习电子健康记录的图形结构
本文研究如何在缺少信息的情况下，利用 Transformer 模型来学习电子健康记录的隐含结构，并提出了一种使用数据统计来指导结构学习过程的图卷积 Transformer 模型。实验表明，该模型在预测任务中比以往方法表现更好，可作为一种有效 - IJCAI基于多角度双反馈网络的法律判决预测
本文提出了一种基于多角度双向反馈网络和词语搭配注意力机制的法律判决预测方法，以拓扑结构作为多个子任务的依赖关系，通过充分利用它们之间的结果依赖关系来解决现有方法在多个子任务之间的效率低下和相似描述但不同刑罚的问题，并在所有预测任务上显著提高 - MM基于规范的预测性业务流程监控
该论文引入了一种用于指定预测任务并自动创建相应预测模型的规范语言，以应对不同业务领域的预测需求，并提供了实现该方法的实验结果。
- WWW被封禁社区成员的轨迹：赎回、再犯和离开
该论文介绍了一种计算框架，用于研究在维基百科上被封禁用户的未来行为，并基于对所封禁用户特性及其对封禁是否公平的感知分析，提出了一系列预测任务，以确定用户在第一次违规封禁后可能采取的行为路径。
- 基于路径的通用程序属性预测表示
提出一种基于路径的编程语言自动学习表示方法，其将程序表示为其抽象语法树中的路径，可用于预测变量名称、方法名称和完全类型，并可跨不同编程语言驱动不同的学习算法。
- ECCV从时间 - lapse 视频学习时间转换
本研究使用生成模型从时光缩影中计算得出物体变形，包括：生成单个物体的未来状态、生成两个不同时刻的物体状态以及在循环框架中递归生成未来状态，并通过定性和定量方法进行评估并与其他模型进行比较。
- ICML多任务学习中的任务分组与重叠学习
提出一种基于稀疏系数和低维子空间的多任务学习框架，能够选择性地在相关任务间共享信息，实验结果显示该方法优于竞争方法。
- NIPS众包预测问题的协作机制
提出了一种基于预测市场的众包学习机制方法，参与者可以通过赌注来修改推理任务的当前假设，并获得相应的盈利，以此改善预测的性能，从而解决了以往机器学习竞赛所存在的诸多弊端。