中国科大斩获数据挖掘顶级国际会议KDD2018最佳学生论文奖
知识发现与数据挖掘（KDD，全称Knowledge Discovery and Data Mining），是 SIGKDD 从 1995 年开始主持的一年一度的会议，2018年会议于8月19日起在伦敦举行。因其选取论文要求标准高，尤其是对创新性的高要求，被广泛认为是知识发现和数据挖掘研究领域最有影响力的国际顶级会议。在本年度会议上，中国科大、苏州大学与微软合作的《小冰乐队》获得了Research Track最佳学生论文。
XiaoIce Band: A Melody and Arrangement Generation Framework for Pop Music
小冰乐队：流行音乐的旋律与编曲框架
论文地址：http://www.kdd.org/kdd2018/accepted-papers/view/xiaoice-banda-melody-and-arrangement-generation-framework-for-pop-music
作者：Hongyuan Zhu (USTC); Qi Liu (USTC); Nicholas Jing Yuan (Microsoft); Chuan Qin (USTC); Jiawei Li (Soochow University); Kun Zhang (USTC); Guang Zhou (Microsoft); Furu Wei (Microsoft); Yuanchun Xu (Microsoft); Enhong Chen (USTC)
摘要：随着音乐创作知识的发展和近年来需求的增加，越来越多的公司和研究机构开始研究音乐的自动生成。但以往的模型在应用于歌曲生成时存在局限性，这既需要旋律，又需要编曲。此外，许多与歌曲质量有关的关键因素没有得到很好的解决，例如和弦进行和节奏模式。特别是。如何确保多音轨音乐的和谐，这仍然是一个有待探索的问题。
为此，我们对流行音乐的自动生成进行了重点研究，其中，我们考虑了旋律生成的和弦和节奏的影响，以及音乐编排的和声。我们提出了一种端到端的旋律和编曲生成框架，称为“小冰乐队”（XiaoIce Band），该框架产生了由几种乐器演奏的几个伴奏曲目组成的旋律音轨。
具体来说，我们设计了一种基于和弦的节奏和旋律交叉生成模型（CRMCG），以生成带有和弦进行的旋律。然后，我们提出一种基于多任务学习的多乐器协同编曲模型（ Multi-Instrument Co-Arrangement Model ，MICA）。最后，我们在一个真实数据集上进行了广泛的实验，结果证明了XiaoIce Band的有效性。
https://v.qq.com/txp/iframe/player.html?vid=z0762czra72&width=500&height=375&auto=0
KDD2018 Affiliation Statistics 还统计了2018年各机构在KDD会议中发表论文数量排名（节选4篇以上机构）：
统计显示，中国科大以9篇论文位居第七，并在国内高校中仅次于清华大学，位居第二，表明中国科大在数据挖掘领域强大的研究实力。
（信息来源：新智元）
推荐阅读