【一千个论文合集】计算机科学的26个细分领域近年必读论文集合

1.机器学习

名称：半监督学习（Semi-supervised Learning）
论文集地址：https://www.aminer.cn/topic/5e7ef61ac1b7e55a5aea64c6?f=cs
简介：半监督学习是模式识别和机器学习领域研究的关键问题，是监督学习与无监督学习相结合的学习方法。半监督学习使用大量未标记的数据和标记的数据来进行模式识别。"

名称：知识表示学习（knowledge representation learning）
论文集地址：https://www.aminer.cn/topic/5e7ef61ac1b7e55a5aea64d2?f=cs
简介：表示学习旨在将研究对象的语义信息表示为稠密低纬实值向量，知识表示学习则面向知识库中的实体和关系进行表示学习，该技术可以在低纬空间中高效计算实体和关系的语义联系，有效解决数据稀疏问题，使知识获取、融合和推理的性能得到显着提升。"

名称：自动机器学习（Automated machine learning）
论文集地址：https://www.aminer.cn/topic/5e7f3d0bb3b8848a5b778a03?f=cs
简介：自动机器学习（AutoML） 旨在简化机器学习中生成模型的过程，使一些通用步骤 (如数据预处理、模型选择和调整超参数)自动化。AutoML它是指使用某种学习机制来调整这些超参数，而不是通过人来设置超参数。"

名称：在线机器学习（Online machine learning）
论文集地址：https://www.aminer.cn/topic/5e7d9a78ea0348b7e22edd8a?f=cs
介绍：在线机器学习是工业中常用的机器学习算法。准确地说，在线机器学习不是一种模型，而是一种模型训练方法。在线机器学习可以根据在线反馈数据实时快速地调整模型，使模型能够及时反映在线变化，提高在线预测的准确性。在线机器学习的过程包括：向用户显示模型的预测结果，然后收集用户的反馈数据，然后用于训练模型，形成闭环系统。"

名称：AI政务（AI in Government）
论文集地址：https://www.aminer.cn/topic/5eb61ce892c7f9be2179aee5?f=cs
简介：人工智能(AI)在政府部门有多种用途。它可以用来促进公共政策目标（在紧急服务、卫生和福利等领域），并帮助公众与政府互动（如使用虚拟助理）。根据哈佛商业评论，人工智能在公共部门得到了广泛的应用，并且仍在增长，世界各地都在进行早期测试。来自哈佛大学艾什民主治理与创新中心的希拉·梅尔指出，政府部门的人工智能并不新鲜。20世纪90年代末，邮政部门开始使用机器识别信封上的笔迹，自动发送信件。在政府中使用人工智能带来了显著的好处，包括提高效率，以节省成本，如减少前台人员的数量和减少腐败的机会。"

名称：人工智能（Artificial Intelligence）
论文集地址：https://www.aminer.cn/topic/5e7ed98a3357bd9befb4ae18?f=cs
简介：人工智能（Artificial Intelligence），英文缩写为AI。它是一门新的技术科学，用于模拟、扩展和扩展人类智能的理论、方法、技术和应用系统。
人工智能是计算机科学的一个分支。它试图了解智能的本质，并生产一种新的智能机器，可以以类似的方式对人类智能做出反应。该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统。自人工智能诞生以来，理论和技术越来越成熟，应用领域也在扩大。可以想象，未来人工智能带来的技术产品将是人类智能的容器。人工智能可以模拟人类意识和思维的信息过程。人工智能不是人类的智能，但它可以像人一样思考，也可能超过人类的智能。
人工智能是一门极具挑战性的科学。从事这项工作的人必须了解计算机知识、心理学和哲学。人工智能是一门由机器学习、计算机视觉等不同领域组成的广泛科学。一般来说，人工智能研究的主要目标之一是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。但不同的时代和人对这项复杂工作有不同的理解。"

名称：可解释机器学习（Interpretable Machine Learning）
论文集地址：https://www.aminer.cn/topic/5e7d9a78ea0348b7e22edd79?f=cs
简介：在机器学习场景中，可解释性（interpretability）这意味着模型可以用人类认知的说法来解释和呈现。"

名称：主题模型（Topic Model）
论文集地址：https://www.aminer.cn/topic/5e7d9a78ea0348b7e22edd7c?f=cs
简介：主题模型（Topic Model）在机器学习和自然语言处理领域，它是一种用于在一系列文档中找到抽象主题的统计模型。直观地说，如果一篇文章有一个中心思想，那么一些特定的单词就会出现得更频繁。例如，如果一篇文章是关于狗的，那么狗和骨头等词就会出现得更频繁。如果一篇文章是关于猫的，那么猫和鱼等词就会出现得更频繁。有些词，如这个和和，在两篇文章中大致相同。但事实是，一篇文章通常包含各种主题，每个主题的比例都是不同的。因此，如果一篇文章的10%与猫有关，90%与狗有关，那么与狗有关的关键词的数量可能是与猫有关的关键词的9倍。键词的9倍。主题模型试图用数学框架来反映文档的特征。主题模型自动分析每个文档，统计文档中的90%与狗有关，那么与狗有关的关的关键词的数量可能是与猫有关的9倍。"

名称：迁移学习（Transfer learning）
论文集地址：https://www.aminer.cn/topic/5e7ef61ac1b7e55a5aea64d0?f=cs
介绍：迁移学习是机器学习的一个研究领域。它专注于存储现有问题的解决方案模型，并将其应用于其他不同但相关的问题。例如，识别汽车的知识（或模型）也可以用来提高识别卡车的能力。计算机领域的迁移学习与心理学中经常提到的学习迁移有一定的概念关系，但两个领域的学术关系非常有限。"

名称：对抗学习（Adversarial Learning）
论文集地址：https://www.aminer.cn/topic/5e7ef61ac1b7e55a5aea64ce?f=cs
介绍:加拿大学者对抗学习是一种新的机器学习方法Ian Goodfellow首先。实现对抗学习的方法是让两个网络互相竞争，玩游戏。其中一个是生成器网络，它不断捕捉训练库中真实图片的概率分布，并将输入的随机噪声转换为新样本（即假数据）。另一个是判别器网络，它可以观察真实和假数据，并判断数据是否真实。通过反复对抗，生成器和判别器的能力将继续增强，直到达到平衡，最终生成器可以生成高质量的假图片。"

名称：马尔可夫网络（Markov Networks）
论文集地址：https://www.aminer.cn/topic/5e7d9a78ea0348b7e22edd85?f=cs
简介:马尔可夫网络(马尔可夫随机场，无向图模型)是关于一组马尔可夫随机变量X全联合概率分布模型。马尔可夫网络类似于贝叶斯网络来表示依赖。然而，一方面，它可以表示贝叶斯网络无法表达的一些依赖关系，如循环依赖；另一方面，它不能表示贝叶斯网络可以表达的一些关系，如推导关系。马尔可夫网络的原型是易辛模型，最初用于解释模型的基本假设。"

名称：多任务学习（Multi-task Learning）
论文集地址：https://www.aminer.cn/topic/5e7d9a78ea0348b7e22edd87?f=cs
简介：多任务学习（MTL）它是一个非常有前�