- 基于 4D 特征一致性嵌入空间的自动驾驶实时立体三维检测
本文提出了一种名为 RTS3D 的方法，使用立体图像实现高效、准确的 3D 目标检测，通过设计一个新颖的 4D 一致性嵌入空间将物体的结构和语义信息编码，并通过降低 FCE 空间噪声的影响，实现与先进方法相比高 10% 的平均精度。
- HoliCity：面向学习全面三维结构的城市规模数据平台
HoliCity 是一种城市规模的三维数据集，具有丰富的结构信息，可用于从城市 CAD 模型中学习抽象的高级整体三维结构，并且对城市规模的重建、定位、映射和增强现实等应用具有支持作用。
- ACL具有结构感知编码和解码的 DRTS 语法解析
本文提出了一种结构感知模型，利用图注意力网络在编码器和解码器阶段整合结构信息，从而改进 Discourse Representation Tree Structure（DRTS）解析任务，实验证明该模型在该领域取得了最佳性能。
- 使用图神经网络改进代码摘要
本文提出了一种使用图神经网络的自动代码注释生成方法，该方法使用了源代码序列和图结构信息作为输入，使用 210 万个 Java 方法 - 注释对进行评估，并表明比四种基线技术均有所改进。
- ICLR图分类问题中图神经网络的公正比较
本文探讨了机器学习中实验的可重复性和可复制性问题，并针对图形学习领域的常见做法、常见问题和常用方法进行概述，提供了五个流行模型的评估方法，并提出结构信息尚未得到充分利用的证据。
- 针对性情感分析学习显式与隐式结构
本文研究了目标情感分析这一任务，提出在模型中同时引入显式结构信息和隐式的全局结构信息能够提升模型性能，并进行了大量实验来验证该方法的有效性和鲁棒性。
- ACL密集连接图卷积网络用于图到序列学习
本研究通过图卷积网络（GCN）对图进行编码，引入了一种新的密集连接策略，提出了一种新型的密集连通图卷积网络（DCGCN）来集成本地和非本地特征，以更好地学习图的结构表示，并在 AMR-to-text 生成和基于语法的神经机器翻译上明显优于现 - NIPS通过膨胀亲和力改进语义分割
该论文介绍了一种使用直接监督的简单、快速但有效方法来利用结构信息来提高语义分割模型的性能，该方法要求网络显式地预测语义分割以及扩张亲和力，后者是一种稀疏版本的成对像素亲和力，能够直接建立像素间的关系并增强分割质量。
- 位置归一化
本文提出了一种基于通道归一化的激活值归一化方法，通过提取特征在图像位置的一阶和二阶矩来捕获输入图像和抽取特征的结构信息，并将归一化常数重新注入后续层以保留或转移结构信息在生成网络中。
- ACL基于注意力引导的图卷积神经网络用于关系抽取
本研究提出了一种新模型 ——AGGCNs，该模型通过自动学习选择性地关注依存树的相关子结构，有效地利用依存树的结构信息来提取实体之间的关系，从而在交叉句 n 元关系抽取和大规模句子级关系抽取等多项任务中均优于现有方法。
- ICLR用变分循环神经网络进行图分类
本文提出了一种基于自然语言处理技术的图分类方法，使用结构信息嵌入，采用类似于 NLP 的证明技术，对几个标准分子数据集进行了实验，取得了最先进的分类结果，并对节点预测是否有助于更好地分类图进行了定性分析。
- AAAI学习用户偏好以促进共享经济中的探索行为
通过向用户提供货币奖励来激励他们探索他们可能不会选择的选项是一种有效的方法，使用结构信息模型化为凸约束来学习合适的激励是最佳选择，我们提出了一种新颖的算法 - Coordinated Online Learning（CoOL）用于学习，我们 - 威廉・莎士比亚是否真的写了《哈姆雷特》？具有置信度的知识表示学习
本文提出了一种新的置信度感知知识表示学习框架，利用结构信息来检测知识图谱噪声，并在学习知识表示时具有置信度，实验表明其在检测和处理知识图谱噪声方面具有显著的提高和一致性。
- NIPS用双向递归神经网络进行具有结构的标记的令牌级别标注
利用深度循环神经网络的双向表示方法，将句子的二叉分析树作为结构信息，结合单词向量的初始表示方法，提出了一种可以捕捉输入附近的结构信息用于标记实例的新架构，并在情感表达提取任务上进行了初步实验。
- 使用自动学习的宏操作符提高人工智能规划能力
本文介绍了两种方法用于从以往的经验中学习机器人规划领域的结构信息并将其应用于未来的搜索优化，其中，在该研究中，提出的方法已经成功应用于第四届国际规划竞赛，从而大大降低了搜索的时间复杂度。