AutoPRL：自监督路径表示学习框架论文获 IEEE TKDE 2026 接收
热点事件持续更新
AutoPRL：自监督路径表示学习框架论文获 IEEE TKDE 2026 接收
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Sean Bin Yang 等研究者提出 AutoPRL，一种自监督路径表示学习框架，论文已被 IEEE TKDE 2026 接收。 该框架包含三个核心模块：基于变分自编码器的自动数据增强、跨视图解耦对比学习和自适应协同训练，旨在解决现有方法视图生成低效和对比学习计算开销大的问题。论文称，在三个真实数据集上的实验显示，该框架在旅行时间估计、路径排序等下游任务中兼具效果与效率。
AI 根据报道生成 · 40 分钟前更新
最新进展10月27日 12:00
AutoPRL：基于可学习视图生成器的自动化路径表示学习框架报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv cs.AIAutoPRL：基于可学习视图生成器的自动化路径表示学习框架
研究者提出 AutoPRL，一种高效的自监督路径表示学习（PRL）框架，包含三个核心模块：基于变分自编码器的自动数据增强（AutoDA）、跨视图解耦对比学习（CVDC）以及自适应协同训练（ACT），以解决现有方法视图生成低效和对比学习计算开销大的问题。该论文已被 IEEE TKDE 2026 接收，在三个真实数据集上的实验显示其在旅行时间估计、路径排序等下游任务中兼具效果与效率。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。