近日，機器學習領域國際頂級會議Neural Information Processing Systems（NIPS/NeurIPS）2019錄用劉威威教授研究組一篇論文，題目是“Copula Multi-label Learning”。劉威威老師是該篇論文唯一作者。

多標簽學習中一個挑戰性的問題是如何對標簽以及特征之間的關系建模。現在有很多種方法都在嘗試解決這個問題，但是人們對這些方法的統計性質還是不清楚。Copulas是建立多元數據相關性模型的有力工具，并且在金融、計量經濟學和系統神經科學等廣泛應用中取得巨大成功。論文提出了一個新穎的Copula多標簽學習范式來對標簽和特征之間的相互依賴關系建模。基于Copula的學習范式能夠為多標簽學習提供一個新的統計視角。特別地，本文首先利用核技術在輸出空間中構造連續分布。然后對提出的模型進行半參數化估計，其中對Copula進行參數化估計，而對邊際分布進行非參數化估計。理論上，論文證明了研究組提出的估計量是一個一致無偏估計量，并且證明了估計量漸近服從正態分布。此外，論文還給出了估計量的均方誤差的上界。最后，不同領域的實驗結果驗證了該方法的優越性。

Neural Information Processing Systems（NIPS/NeurIPS）是目前人工智能領域及機器學習領域最有影響力的頂級會議。這是437bwin必贏國際官網首次以第一作者單位在NIPS上發表論文，也是湖北省高校中唯一一篇NIPS論文。

此外，劉威威老師作為第一作者的論文“Sparse Extreme Multi-label Learning with Oracle Property”在機器學習另一個頂級學術會議The International Conference on Machine Learning (ICML) 2019會議上發表，這也是437bwin必贏國際官網首次以第一作者單位在ICML上發表論文。它將有力地推進人工智能以及機器學習學科的前沿性研究工作，擴大學院在人工智能以及機器學習的學術影響力。

（供稿人：劉威威）