??新智元報(bào)道??來(lái)源：Reddit編輯：元子、肖琴【新智元導(dǎo)讀】Reddit網(wǎng)友爆料：SIGIR 2019的一篇論文涉嫌抄襲，且抄襲的兩位作者均為大學(xué)教授，而被抄襲的論文其中兩位作者是華人學(xué)者。SIGIR是信息檢索領(lǐng)域最重要的國(guó)際頂會(huì)，在這樣的頂會(huì)上發(fā)表抄襲的論文，兩位教授被認(rèn)為學(xué)術(shù)生涯已完。你怎么看，來(lái)新智元 AI 朋友圈說(shuō)說(shuō)你的觀點(diǎn)～
今天，Reddit機(jī)器學(xué)習(xí)社區(qū)一則熱帖爆料：SIGIR 2019的一篇論文涉嫌抄襲！
網(wǎng)友joyyeki發(fā)帖質(zhì)疑：我最近讀到一篇發(fā)表在SIGIR 2019會(huì)議的論文，題為《為基于評(píng)論的建議提供對(duì)抗性訓(xùn)練》(Adversarial Training for Review-Based Recommendations")。我注意到，這篇論文與RecSys 2018大會(huì)上發(fā)表的論文《為什么我喜歡它：多任務(wù)學(xué)習(xí)的推薦和解釋》(Why I like it: Multi-task Learning for Recommendation and Explanation)幾乎一模一樣。
joyyeki表示，最初他以為這只是巧合，因?yàn)橛脙善撐亩疾捎玫膶?duì)抗性訓(xùn)練也是最近的研究熱點(diǎn)，不同小組對(duì)同一個(gè)問(wèn)題提出相似的解決方案也正常。然而，在仔細(xì)閱讀和比較兩篇論文后，他認(rèn)為SIGIR 2019 的論文抄襲了RecSys 2018的論文。
ACM SIGIR(國(guó)際信息檢索大會(huì))是信息檢索領(lǐng)域最重要的國(guó)際學(xué)術(shù)頂會(huì)，在這么權(quán)威的會(huì)議上發(fā)表了一篇抄襲的論文，引發(fā)一片質(zhì)疑聲。
更嚴(yán)重的是，抄襲論文的兩位作者，分別來(lái)自荷蘭馬斯特里赫特大學(xué)的Dimitrios Rafailidis和瑞士提契諾大學(xué)(USI)的Fabio Crestani，他們都是該領(lǐng)域的教授/助理教授。
而被抄襲的RecSys 2018論文，其中兩位作者是華人學(xué)者，第一作者是多倫多大學(xué)的Yichao Lu，以及都柏林大學(xué)助理教授Ruihai Dong和都柏林大學(xué)計(jì)算機(jī)科學(xué)的數(shù)字主席Barry Smyth教授。
論文地址：https://gofile.io/?c=ej2y69Dimitrios Rafailidis是Maastricht大學(xué)DKE＆IDS的助理教授。他的主要研究興趣是機(jī)器學(xué)習(xí)，信息檢索，推薦系統(tǒng)和社交媒體挖掘。
Dimitrios Rafailidis
個(gè)人主頁(yè)：
https://www.maastrichtuniversity.nl/dimitrios.rafailidis
Fabio Crestani自2007年1月起擔(dān)任USI信息學(xué)學(xué)院的正教授。1997年至1999年，他是英國(guó)格拉斯哥大學(xué)，美國(guó)伯克利國(guó)際計(jì)算機(jī)科學(xué)研究所和英國(guó)盧瑟?！ぐ⑵諣栴D實(shí)驗(yàn)室的博士后研究員。
Fabio Crestani
個(gè)人主頁(yè)：
https://search.usi.ch/en/people/4f0dd874bbd63c00938825fae1843200/crestani-fabio
論文地址：https://dl.acm.org/citation.cfm?id=3240365
Yichao Lu，多倫多大學(xué)。Layer 6 AI機(jī)器學(xué)習(xí)科學(xué)家。
個(gè)人主頁(yè)：
https://www.linkedin.com/in/yichaolu/?originalSubdomain=ca
Ruihai Dong?是都柏林大學(xué)（UCD）計(jì)算機(jī)學(xué)院的助理教授。他的研究興趣廣泛在于機(jī)器學(xué)習(xí)和深度學(xué)習(xí)及其在推薦系統(tǒng)和金融領(lǐng)域的應(yīng)用。
Ruihai Dong
個(gè)人主頁(yè)：https://people.ucd.ie/ruihai.dong
Barry Smyth教授是都柏林大學(xué)計(jì)算機(jī)科學(xué)的數(shù)字主席，并且是數(shù)據(jù)分析洞察中心的主任。他從2003年開(kāi)始擔(dān)任歐洲人工智能協(xié)調(diào)委員會(huì)（ECCAI）的成員，從2011年開(kāi)始擔(dān)任愛(ài)爾蘭皇家學(xué)院的成員。
Barry Smyth
個(gè)人主頁(yè)：
https://people.ucd.ie/barry.smyth
揭發(fā)SIGIR 2019論文抄襲：模型幾乎完全是復(fù)制
網(wǎng)友joyyeki在Reddit機(jī)器學(xué)習(xí)版塊發(fā)帖質(zhì)疑道：
我最近讀到一篇發(fā)表在SIGIR 2019會(huì)議的論文，題為《為基于評(píng)論的建議提供對(duì)抗性訓(xùn)練》(Adversarial Training for Review-Based Recommendations")。我注意到，這篇論文與RecSys 2018大會(huì)上發(fā)表的論文《為什么我喜歡它：多任務(wù)學(xué)習(xí)的推薦和解釋》(Why I like it: Multi-task Learning for Recommendation and Explanation)幾乎一模一樣。
起初，我以為這只是一個(gè)巧合。研究人員很可能會(huì)有類似的idea。因此，兩個(gè)獨(dú)立研究小組有可能針對(duì)同一個(gè)問(wèn)題提出相同的解決方案。然而，在仔細(xì)閱讀和比較兩篇論文后，我現(xiàn)在認(rèn)為SIGIR 2019 的論文抄襲了RecSys 2018的論文。
SIGIR 2019 論文中提出的模型幾乎是對(duì)RecSys 2018年論文中模型的復(fù)制。理由：(1)兩篇論文都使用了矩陣分解框架上的對(duì)抗性序列到序列學(xué)習(xí)模型。
(2)對(duì)于生成器和判別器部分，兩篇論文都使用GRU作為生成器，使用CNN作為鑒別器。
(3)優(yōu)化方法相同，即兩部分交替優(yōu)化。
(4)評(píng)估相同，即評(píng)估MSE的推薦性能和評(píng)估判別器的準(zhǔn)確性，以表明生成器已經(jīng)學(xué)會(huì)生成相關(guān)的評(píng)論。
(5)這兩篇論文所用的符號(hào)和公式看起來(lái)極其相似。
考慮到對(duì)抗性訓(xùn)練在最近的文獻(xiàn)中很流行，盡管觀點(diǎn)可能只是相似，但SIGIR 2019論文與RecSys 2018論文有大量的文本重疊，這不得不令人懷疑。
比如以下兩個(gè)例子：
(1) SIGIR 2019論文的Section 1：“The Deep Cooperative Neural Network (DeepCoNN) model user-item interactions based on review texts by utilizing a factorization machine model on top of two convolutional neural networks.”
(2) RecSys 2018論文的Section 2：“Deep Cooperative Neural Network (DeepCoNN) model user-item interactions based on review texts by utilizing a factorization machine model on top of two convolutional neural networks.”
我認(rèn)為這是抄襲最明顯的跡象。如果你用“精確匹配”在Google上搜索這個(gè)句子，你會(huì)發(fā)現(xiàn)這個(gè)句子僅被這兩篇論文使用。很難相信， SIGIR 2019論文的作者在沒(méi)有閱讀RecSys 2018論文的情況下，會(huì)寫出完全相同的句子。
再舉一個(gè)例子：
(1)SIGIR 2019論文的 Section 2.1：
“The decoder employs a single GRU that iteratively produces reviews word by word. In particular, at time step $t$ the GRU first maps the output representation $z_{ut-1}$ of the previous time step into a $k$-dimensional vector $y_{ut-1}$ and concatenates it with $\bar{U_{u}}$ to generate a new vector $y_{ut}$. Finally, $y_{ut}$ is fed to the GRU to obtain the hidden representation $h_{t}$, and then $h_{t}$ is multiplied by an output projection matrix and passed through a softmax over all the words in the vocabulary of the document to represent the probability of each word. The output word $z_{ut}$ at time step $t$ is sampled from the multinomial distribution given by the softmax."
(2) RecSys 2018論文的Section 3.1.1：
"The user review decoder utilizes a single decoder GRU that iteratively generates reviews word by word. At time step $t$, the decoder GRU first embeds the output word $y_{i, t-1}$ at the previous time step into the corresponding word vector $x_{i, t-1} \in \mathcal{R}^{k}$, and then concatenate it with the user textual feature vector $\widetilde{U_{i}}$. The concatenated vector is provided as input into the decoder GRU to obtain the hidden activation $h_{t}$. Then the hidden activation is multiplied by an output projection matrix and passed through a softmax over all the words in the vocabulary to represent the probability of each word given the current context. The output word $y_{i, t}$ at time step $t$ is sampled from the multinomial distribution given by the softmax.”
在這個(gè)例子中， SIGIR 2019年論文的作者替換了文章中的一些短語(yǔ)，因此這兩段文字并不完全相同。然而，我認(rèn)為這兩段文字的相似之處仍然表明， SIGIR 2019論文的作者在撰寫自己的論文之前肯定閱讀了RecSys 2018論文。
我不打算把這兩篇論文的所有重疊部分都列一遍，但讓我們看最后一個(gè)例子:
(1)SIGIR 2019的Section 2.2：
"Each word of the review $r$ is mapped to the corresponding word vector, which is then concatenated with a user-specific vector. Notice that the user-specific vectors are learned together with the parameters of the discriminator $D_{\theta}$ in the adversarial training of Section 2.3. The concatenated vector representations are then processed by a convolutional layer, followed by a max-pooling layer and a fully-connected projection layer. The final output of the CNN is a sigmoid function which normalizes the probability into the interval of $[0, 1]$", expressing the probability that the candidate review $r$ is written by user $u$.”
(2) RecSys 2018論文的Section 3.1.2：
”To begin with, each word in the review is mapped to the corresponding word vector, which is then concatenated with a user-specific vector that identifies user information. The user-specific vectors are learned together with other parameters during training. The concatenated vector representations are then processed by a convolutional layer, followed by a max-pooling layer and a fully-connected layer. The final output unit is a sigmoid non-linearity, which squashes the probability into the $[0, 1]$ interval."
有一個(gè)句子("The concatenated vector representations are ...... a fully-connected projection layer.")在這兩篇論文中是完全一樣的。另外，我認(rèn)為將用戶特定的向量與評(píng)論中的每個(gè)單詞向量相連接是一個(gè)非常不直觀的想法。我不認(rèn)為來(lái)自不同研究小組的想法在這樣的細(xì)節(jié)上會(huì)相同。如果我是作者，我會(huì)把特定于用戶的向量連接到最終投影層之前的層，因?yàn)檫@樣能節(jié)省計(jì)算成本，應(yīng)該可以得到更好的泛化。
作為一個(gè)信息檢索領(lǐng)域的新人，我不確定這樣的案例是否應(yīng)該被視為剽竊。但是，我的教授告訴我，SIGIR會(huì)議是IR社區(qū)中首屈一指的會(huì)議，我認(rèn)為這篇論文絕對(duì)不應(yīng)該在像SIGIR這樣的頂級(jí)會(huì)議上發(fā)表。
讓我感覺(jué)更糟糕的是，這篇論文的兩位作者，荷蘭馬斯特里赫特大學(xué)的Dimitrios Rafailidis和瑞士提契諾大學(xué)(USI)的Fabio Crestani都是教授。他們應(yīng)該意識(shí)到剽竊在學(xué)術(shù)界是不可容忍的。
網(wǎng)友評(píng)論：我只想知道抄襲者最終落得怎樣的下場(chǎng)
Reddit網(wǎng)友評(píng)論：
thatguydr：得，這下他們的學(xué)術(shù)生涯完了，棒！不過(guò)有趣的是，怎么能沒(méi)有自動(dòng)的方式來(lái)查找呢？
entarko：我一直想知道抄襲者獲得怎樣的后果了。我review的第一篇論文就是抄襲，我告訴AC但沒(méi)聽(tīng)說(shuō)后續(xù)有任何事情發(fā)生。據(jù)我所知，提交抄襲的論文會(huì)被列入黑名單。不一定是永久的，一般也就幾年。
slayeriq：是你嗎，Siraj？（之前因涉嫌抄襲論文、拉黑學(xué)生被討伐的網(wǎng)絡(luò)AI教師）
sid__：隨著會(huì)議規(guī)模和論文提交量的擴(kuò)展，不知道抄襲會(huì)不會(huì)成為（或者已經(jīng)）更嚴(yán)重的問(wèn)題？用機(jī)器學(xué)習(xí)查抄襲可能會(huì)更靠譜。
102564：他們甚至沒(méi)有引用第一篇論文（加重了侮辱）。這簡(jiǎn)直是犯罪...
sparkkid1234：我估計(jì)他們不敢。真引用就一定會(huì)被看出是抄襲啦。
hivesteel：我沒(méi)有參加這次會(huì)議，但我認(rèn)為我參加的所有會(huì)議和期刊都具有自動(dòng)檢測(cè)抄襲的工具。我敢肯定它們效果差強(qiáng)人意，但是從理論上講確切的匹配絕對(duì)應(yīng)該標(biāo)記出來(lái)。
參考鏈接：
https://www.reddit.com/r/MachineLearning/comments/dq82x7/discussion_a_questionable_sigir_2019_paper/
