智慧触手可及：今日精选学术论文，多尺度自监督提升小样本学习、深度新闻推荐系统设计、几何图神经网络革新与鲁棒性编码
一、知识增强型预训练模型赋能常识故事生成
文章链接：https://paper.yanxishe.com/review/9217?from=leiphonecolumn_paperreview0118
在这个不断进步的数字时代，人工智能技术的应用越来越广泛。为了帮助各位学术青年更好地学习前沿研究成果和技术，AI 研习社重磅推出【今日 Paper】栏目，每天都为你精选关于人工智能的前沿学术论文供你学习参考。
今天，我们将带您走进几个具有重要意义的研究领域：
提升小样本学习表现
论文名称：Few-shot Learning with Multi-scale Self-supervision
作者：Zhang Hongguang /Torr Philip H. S. /Koniusz Piotr
发表时间：2020/1/6
论文链接：https://paper.yanxishe.com/review/9112?from=leiphonecolumn_paperreview0118
这篇文章探讨了如何通过“二阶池化”方法提高小样本学习性能，并提出了一种新的多尺度关系网络，以优化模型在不同分类粒度上的表现。这项工作对于那些面临数据量有限的情境下的研究者来说，是非常有价值的。
基于深度学习新闻推荐系统
论文名称：CHAMELEON: A Deep Learning Meta-Architecture for News Recommender Systems [Phd. Thesis]
作者：Moreira Gabriel de Souza Pereira
发表时间：2019/12/29
论文链接：https://paper.yanxishe.com/review/9113?from=leiphonecolumn_paperreview0118
这是一篇来自巴西航空理工学院的博士毕业论文，主要讨论了基于深度学习的新闻推荐系统设计方法 —— 不是讨论某个具体架构，而是讨论如何设计架构，也就是“元架构”。它提供了一种模块化推理结构，可以根据具体需求选择不同的神经网络基础组件，对于正在或打算设计推荐系统的人员来说，这篇论文具有极高的参考价值。
几何GCN
论文名称：Geom-GCN: Geometric Graph Convolutional Networks
作者：Hongbin Pei /Bingzhe Wei /Kevin Chen-Chuan Chang /Yu Lei /Bo Yang
发表时间：2020/1/1
访问链接：
提升鲁棒性的多路编码
论文名称："Multi-way Encoding for Robustness"
作者：“Kim Donghyun, Bargal Sarah Adel, Zhang Jianming, Sclaroff Stan”
发布日期：“2019年6月5日”
“A Knowledge-Enhanced Pretraining Model for Commonsense Story Generation”
作者：“Guan Jian, Huang Fei, Zhao Zhihao, Zhu Xiaoyan, Huang Minlie”
发布日期：“2020年1月15日”
这些精选文章不仅展示了当前人工智能领域中最新动态，还为我们的读者提供了实际操作中的灵感和解决方案。希望这些内容能够激发你的创造力，让你的项目更加卓越！
