Ниже приводится краткая статистика статей по графическому машинному обучению (GML), представленных на ICLR 2020. Код для анализа доступен в google colab.
Всего было подано 152 статьи, содержащие подстроку graph в названии, из них 49 статей были приняты. Средняя оценка по всем графическим листам составляет 4,5, а по принятым статьям - 6,3.
Интересно видеть, что есть некоторые выбросы, когда средний рейтинг довольно низкий / высокий, но решение было принято / отклонено. Например, в статье Как отжигать и сокращать графы близости для поиска сходства не удалось реализовать два слабых принятия и одно принятие. Точно так же статья Эффективное вероятностное логическое рассуждение с графическими нейронными сетями была сохранена AC, в то время как рецензенты оценили ее [1,3,3]. Для меня это скорее указывает на надежду, что AC имеет право объективно судить на бумаге и принимает независимые решения на бумаге, несмотря на обзоры, если они недостаточно уверены.
Лучшие статьи получили все одобрение, однако распределение того, какой тип одобрения (постер, в центре внимания или выступление) не очень хорошо коррелирует со средней оценкой. Таким образом, лучшие статьи получили только сильные одобрения (что эквивалентно средней оценке 8), в то время как решение было принято только в виде плаката или внимания. В свою очередь, уникальная статья в GML, которая получила возможность для длинной презентации GraphZoom: многоуровневый спектральный подход для точного и масштабируемого встраивания графов, имеет одно слабое принятие и два принятия - оценка, которую разделяют 7 других статей.
P.S. Я продолжу писать о графическом машинном обучении, подписываюсь на этот блог, или на канал Telegram, или на мой твиттер.
