IJCAI（人工智慧國際聯合大會）是人工智慧領域的頂級綜合會議，被中國計算機學會推薦國際學術會議列表認定為 A 類會議。IJCAI 始於 1969 年，最初每 2 年舉行一次，從 2015 年開始改為每年一次。IJCAI 2017 於 8 月 19 日—25 日在澳大利亞墨爾本舉辦。今年 IJCAI 共收到 2540 篇論文投稿，最終錄用 660 篇，錄用率 26%。今日，IJCAI 公佈了四項最佳論文獎，機器之心在現場第一時間進行了報導。
當地時間 22 日，IJCAI 2017 宣佈了本次會議的獲獎論文，最佳傑出論文由牛津大學電腦科學學院的 Mark Kaminski 等人獲得，最佳學生論文獎由悉尼科技大學、巴黎東大和悉尼大學聯合獲得。經典論文獎是 Avrim L. Blum 和 Merrick L. Furst 在 1997 年提出的論文，該論文因改變了經典規劃演算法的視角而獲獎。此外還有兩篇論文因為對自動構建大型知識庫和語義網路的重大貢獻而獲得卓越論文獎。以下是獲獎論文的詳情，機器之心對獲獎論文做出了簡要介紹。
最佳傑出論文獎（Distinguished Best Paper 2017）
- 論文：Foundations of Declarative Data Analysis Using Limit Datalog Programs
- 作者：Mark Kaminski、Bernardo Cuenca Grau1、Egor V. Kostylev、Boris Motik、Ian Horrocks
- 機構：牛津大學
- 地址：https://arxiv.org/abs/1705.06927
最佳傑出論文一作 Mark Kaminski 在 IJCAI 2017現場
最佳學生論文獎（Student Best Paper 2017）
- 論文：Tag Disentangled Generative Adversarial Networks for Object Image Re-rendering
- 作者：Chaoyue Wang、Chaohui Wang、Chang Xu、Dacheng Tao
- 機構：悉尼科技大學、巴黎東大、悉尼大學
- 地址：https://www.ijcai.org/proceedings/2017/0404.pdf
經典論文獎（Classic Paper Award 2017）
- 論文：Fast Planning Through Planning Graph Analysis
- 作者：Avrim Blum、Merrick L. Furst
- 機構：卡內基梅隆大學
- 地址：https://www.cs.cmu.edu/~avrim/Papers/graphplan.pdf
卓越論文獎（Prominent Paper Award 2017）
- 論文：BabelNet: The automatic construction, evaluation and application of a wide-coverage multilingual semantic network
- 作者：Roberto Navigli、Simone Paolo Ponzetto
- 機構：羅馬大學、海德堡大學
- 地址：http://www.aclweb.org/anthology/P10-1023
- 論文：YAGO2: A spatially and temporally enhanced knowledge base from Wikipedia
- 作者：Johannes Hoffart 、 Fabian M. Suchanek 、Klaus Berberich、Gerhard Weikum
- 機構：普朗克資訊學研究所，法國國家資訊與自動化研究所
- 地址：https://www.sciencedirect.com/science/article/pii/S0004370212000719
最佳傑出論文：Foundations of Declarative Data Analysis Using Limit Datalog Programs
摘要：受宣告性資料分析應用的啟發，我們研究了 Datalogℤ，一個帶有整數運算功能的實際資料記錄（positive Datalog）的擴充套件。這一語言被認為是不可判定的，因此我們提出了兩個分段（fragment）。在 limit Datalogℤ 中謂語被公理化以保持最小/最大數值，允許我們表明事實蘊含（fact entailment）是結合中的完整 coNExpTime 和資料複雜性中的完整 coNP。此外，額外的穩定性需求致使複雜性分別降至 ExpTime 和 PTime。最終，我們證明穩定的 Datalogℤ 能夠表達很多有用的資料分析任務，因此我們的研究成果為高階資訊系統的發展打下了堅實的基礎。
最佳學生論文：Tag Disentangled Generative Adversarial Networks for Object Image Re-rendering
摘要：在這篇論文中，我們提出了一種條理化的標籤解糾纏的生成對抗網路（Tag Disentangled Generative Adversarial Networks /TDGAN），該 TDGAN 透過指定多個場景屬性（如視角、照明和表現等）從單張圖片重新渲染出感興趣目標的新圖片。整個架構包含一個解糾纏網路（disentangling network）、一個生成式網路、一個標籤對映網路（tag mapping net）和一個判別網路，它們基於一組給定的完全標註圖片或半標註圖片（即監督設定和半監督設定）進行聯合訓練。給定一張輸入影像，解糾纏網路會抽取解開的、可解釋性的表徵，然後這些表徵再投入到生成網路以生成圖片。為了提高解糾纏表徵的質量，該架構整合標籤對映網路，以探索影像和其標註的一致性。此外，該架構引入判別網路來實現對抗性訓練策略從而生成更加真實的圖片。在兩個有難度的資料集上的實驗證明，我們提出的框架在興趣域問題上有頂尖的表現。
經典論文：Fast Planning Through Planning Graph Analysis
摘要：我們介紹了一種新方法，基於構建和分析我們稱之為規劃圖（planning graph）的緻密結構，在與 STRIPS-like 域中進行規劃。我們介紹了一個使用該機制的新規劃器 Graphplan。Graphplan 通常返回一個簡短的偏序規劃（partial-order plan），或者宣告無有效規劃。
我們透過實證研究證明了該方法的有效性：在多個有趣的自然和人工規劃問題上，Graphplan 優於全序規劃器（total-order planner）Prodigy 和偏序規劃器 UCPOP。我們的實證研究還證明了 Graphplan 生成的規劃很合理。由於這種方法產生的搜尋本質上與其他普通規劃方法的搜尋不同，因此，新方法的搜尋提出了一種看待規劃問題的新視角。
卓越論文一：BabelNet: The automatic construction, evaluation and application of a wide-coverage multilingual semantic network
摘要：我們在本論文中提出了 BabelNet，一個覆蓋廣泛的大型多語言語義網路。該網路透過從 WordNet 和維基百科中整合詞典性與百科式知識，自動構建資源。此外，機器翻譯也被用於豐富所有語言的詞彙資訊資源。我們在新的和現有的標準資料集上進行的實驗證明了這一資源的高品質與覆蓋範圍。
卓越論文二：YAGO2: A spatially and temporally enhanced knowledge base from Wikipedia
摘要：我們提出了 YAGO2——YAGO 知識庫的擴充套件，該知識庫中實體、事實和事件按照時間和空間的順序排列。YAGO2 從維基百科、GeoNames 和 WordNet 中自動構建而成，涵蓋了 980 萬實體的 4.47 億事實。人類評估已經確認其中 95% 的事實屬實。在本論文中，我們展示了抽取方法、時空維度的整合，以及我們的知識表徵 SPOTL（原始的三合一 SPO 模型在時空上的擴充套件版）。