2019年4月11日讨论班报告

各位老师，同学：

时间：4月11日讨论班 9:00-10:30

地点：教学楼5-308

报告内容：

李瑞璨 2015-icml-Multi-view Sparse Co-clustering via Proximal Alternating Linearized Minimization

   当一组主题的多个数据视图可用时，共同聚类旨在识别在不同视图之间达成一致的主题聚类。我们探讨了在每个视图的不同子空间中存在底层聚类情况下的共聚类问题。我们提出了一种近端交替线性化最小化算法，该算法同时将多个数据矩阵分解为稀疏行和列向量。此方法能够在多视图中一致地对主题进行分组，并同时识别每个视图中与群集关联的特征子集。所提出的算法可以全局收敛到问题的关键点。模拟研究验证了所提出的算法可以识别假设的聚类及其相关特征。与基准数据集上的几种最新多视图共聚类方法的比较，表明了所提出方法的优越性能。

葛伟 Explainable Prediction of Medical Codes from Clinical Text

   临床记录是由临床医生为每次患者就医而创建的文本文档。它们通常伴有医疗代码，描述患者相关的诊断和治疗。注释这些代码是劳动密集型且容易出错的; 此外，代码和文本之间的联系没有说明，注释诊断和治疗代码的原因和细节是模糊的。本文提出了一个注意力卷积网络，可以预测临床文本中的医疗代码。该方法使用卷积神经网络在整个文档中聚合信息，并使用注意机制为数千个可能的代码中的每一个选择最相关的文本段。该方法是准确的，实验中的precision@ 8为0.71、Micro-F1为0.54，这两者都优于现有技术。此外，通过医生的可解释性评估表明注意力机制为每个代码分配确定了有意义的解释。

下周报告人 孟倩雯，于福强