KDD 2020阿里巴巴论文一分钟秒读
作为科研人员，阅读文献已经成为日常，而快速阅读掌握文章要旨、研究的背景，动机、方法和结论是必备的技能。而随着论文数量的爆炸式增长，每日阅读大量的英文文献已然成为了一件枯燥耗时的工作。好消息是，近日，清华大学AMiner团队和同济大学iDVX实验室与智谱AI联合发布了一款 AI 视频神器 ——“秒读论文”，一键生成论文解读短视频，能助力科研人员快速掌握中英文文献核心要义。
这里我们精选了12篇来自阿里巴巴的论文，并利用AMiner的秒读技术生成了相应的视频，欢迎大家体验。
我们先以来自阿里巴巴的Controllable Multi-Interest Framework for Recommendation为例看看它的秒读论文吧！
1）首先先生成了论文的题目和出自会议等基本信息。
2）接着给出了论文提出的方法及方法框架图解
3）进一步介绍了方法实现的细节
4）然后展示了论文的实验结果
5）最后在视频结束页将自动生成二维码，扫码即可进入 AMiner 顶会专版的 KDD 2020 专题网站论文专栏对应的文章详情页，详细了解文章核心内容，迅速获得您需要的论文作者介绍、摘要、文章简介、研究结果、引用文献等重要内容。
大家是否意犹未尽想看更多呢，这里还有阿里巴巴在 kdd 2020 发布的更多论文的“秒读”供大家体验!
1 论文题目：Maximizing Cumulative User Engagement in Sequential Recommendation: An Online Optimization Perspective
简介：研究了在浏览长度不固定的情况下，序列推荐中用户参与度最大化的问题
2 论文题目：M2GRL: A Multi-task Multi-view Graph Representation Learning Framework for Web-scale Recommender Systems
简介：为网络级别的推荐系统提出了一个多任务多视图图表示学习框架M2GRL
视频链接：https://www.aminer.cn/conf/kdd2020/videos/5ec7a32791e0118397f3ed17
3 论文题目：Semi-supervised Collaborative Filtering by Text-enhanced Domain Adaptation
简介：我们将从密集数据中学习到的知识转移到稀疏数据中，并将重点放在最具挑战性的案例上——没有用户或项目重叠
视频链接：https://www.aminer.cn/conf/kdd2020/videos/5f03f3b611dc83056223204b
4 论文题目：Privileged Features Distillation at Taobao Recommendations
简介：我们确定了淘宝推荐中存在的特权特性，即粗粒度排名的点击率交互特性和细粒度排名的转化率后特性。
视频链接：https://www.aminer.cn/conf/kdd2020/videos/5f03f3b611dc8305622320d5
5 论文题目：GCC: Graph Contrastive Coding for Graph Neural Network Pre-Training
简介：本文提出了一种基于图的对比学习框架，对多个图数据集的图神经网络进行预训练。
视频链接：https://www.aminer.cn/conf/kdd2020/videos/5f03f3b611dc830562231fe7
视频链接：https://www.aminer.cn/conf/kdd2020/videos/5ef3247a91e0110c353daa3a
8 论文题目：Fast R-STL: Efficient and Robust Seasonal-Trend Decompositionfor Time Series with Complex Patterns
简介：作者提出快速RobustSTL分解方法，将该算法与其他最新的季节趋势分解方法（包括MSTL、STR、TBATS）一起，在具有单一和多个季节性的综合数据集和真实数据集上进行了实证研究。
视频链接：https://www.aminer.cn/conf/kdd2020/videos/5f03f3b611dc830562231fd9
视频链接：https://www.aminer.cn/conf/kdd2020/videos/5f03f3b611dc830562231fce
10 论文题目：Feature-Induced Manifold Disambiguation for Multi-View Partial Multi-label Learning
简介：研究了多视图部分多标签学习问题，提出了一种基于特征诱导流形消歧的新方法
视频链接：https://www.aminer.cn/conf/kdd2020/videos/5f03f3b611dc830562231fda
11 论文题目：Understanding Negative Sampling in Graph Representation Learning
简介：我们研究了图表示学习文献中采用的一种实用方法负抽样的效果
视频链接：https://www.aminer.cn/conf/kdd2020/videos/5ec7a32791e0118397f3ec20
12论文题目： Comprehensive Information Integration Modeling Framework for Video Titling
简介：为了以端到端的方式捕捉异构图之间的相互作用，我们提出了一个全局局部聚合模块GLA
视频链接：https://www.aminer.cn/conf/kdd2020/videos/5f03f3b611dc83056223208b
秒读论文基于深度学习算法建立序列评分模型，实现论文中句级别知识自动抽取，得到论文研究的背景意义、研究过程、研究结果等核心内容的文本描述。系统利用神经机器翻译系统，解决了英文文献阅读难的问题，将提取出来的描述文本自动转译为中文，然后利用人工智能和音视频处理技术，生成形象直观的可视化论文解读视频。
它具有：
关于 Calliope Video
Calliope 是一款由同济大学智能大数据可视化实验室（iDVX Lab）研发的智能数据可视化内容生成平台（https://datacalliope.com) ，可以帮助用户快速生成、创建、编辑和分享各种形式的数据可视化内容。用户只需拖拽上传数据，即可自动生成相应的可视化内容。平台提供了多种可视化图表及排版方式，适用于各种应用场合，轻轻一点即可将所生成的可视化内容分享给好友或合作方。
Calliope Video 是同济大学智能大数据可视化实验室及清华大学AMiner团队基于Calliope 自动可视化内容生成技术联合发布的一款智能数据视频内容生成系统。该系统通过智能语义识别技术，为文本数据自动匹配最适合的设计素材，生成各种动画效果，最终自动化整合动效、图像、语音、文本合成高质量图文并茂的数据短视频。
关于智谱AI