{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{“日期部分”：[[2024,5,3]]，“日期时间”：“2024-05-03T05:53:00Z”，“时间戳”：1714715580150}，“出版商位置”：“查姆”，“参考计数”：56，“出版者”：“施普林格自然瑞士”，“isbn-type”：[{“值”：“9783031200434”，“类型”：”打印“}，{“值”：“9783031200441”，“类型”：“electronic”}]，“license”：[{“start”：{“date-parts”：[[2022,1,1]]，“date-time”：“2022-01-01T00:00:00Z”，“timestamp”：1640995200000}，“content-version”：“tdm”，“delay-in-days”：0，“URL”：“https:\\/www.springer.com\/tdm”}：1640995200000}，“content-version”：“vor”，“delay-in-days”：0，“URL”：“https:\\/www.springer.com//tdm”}，{“start”：{“date-parts”：[2022,1,1]]，“date-time”：“2022-01-01T00:00:00Z”，“timestamp”：1640995200000}，“content-version”：“tdm”，“delay-in-days”：0，“URL”:“https:\/\/www.splingernature.com\/gp\/researters\/text-and-data-mining”}]，“日期-时间”：“2022-01-01T00:00:00Z”，“时间戳”：1640995200000}，“content-version”：“vor”，“delay-in-days”：0，“URL”：“https://www.springernature.com//gp\/researters\/text-and-data-mining”}]，“content-domain”：{“domain”:[“link.springer.com”]，“crossmark-restriction”：false}，”short-container-title“：[]，”published-print“：{”date-parts“：[2022]]}，‘DOI’：“10.1007\/978-3-0”31-20044-1_14“，”type“：”book-chapter“，“created”：{“date-parts”：[[2022,10,19]]，“date-time”：“2022-10-19T23:12:10Z”，“timestamp”：1666221130000}，“page”：“239-256”，“update-policy”：”http://\/dx.doi.org\/10.1007\/springer_crossmark_policy“，”source“：”Crossref“，“is-referenced-by-count”：1，“title”：[“DnA:使用u00a0Low-Rank分解和\u00a0校准“]，“prefix”：“10.1007”，“author”：[{“given”：“Ziyu”，“family”：“Jiang”，“sequence”：“first”，“affiliation”：[]}，{“fivent”：“Tianlong”，“家庭”：“Chen”，“序列”：“additional”，“从属关系”：[]}“：[]}，{”给定“：”罗威“，”家庭“：“周”，“sequence”：“additional”，“affiliation”：[]}，{“given”：“Lu”，“family”：“Yuan”，“serquence”:“additionable”，“filiation“：[]{”，{”given“：”Ahmed“，”family“：”Abadallah“，”sequence“：”additional“，”affiliance“：[]}，“givent”：“Zhangyang”，“家庭”：“Wang”，“序列”：“additional”、“affidiation”：“[]}]，“成员”：“297”，“在线发布”：{“日期部分”：[[2022,10,20]]}，“reference”：[{“key”：“14_CR1”，“doi-asserted-by”：“crossref”，”unstructured“：“Aghajanyan，A.，Zettlemoyer，L.，Gupta，S.：内在维度解释了语言模型微调的有效性。arXiv预印本arXiv:2012.13255（2020）”，“doi”：“10.18653\/v1\/2021.acl-long.568”}，{“key”：，“doi-asserted-by”：“publisher”，“first page”：“446”，“doi”：“10.1007\/978-3-319-10599-4_29”，“volume-title”：“Computer Vision”，“author”：“L Bossard”，“year”：“2014”，“unstructured”：“Bossard，L.，Guillaumin，M.，Van Gool，L.：Food-101\u2013使用随机森林挖掘歧视性成分。In:Fleet，D.，Pajdla，T.，Schiele，B.，Tuytelaars，T.（eds.）ECCV 2014。LNCS，第8694卷，第446\u2013461页。查姆施普林格（2014）。https:\/\/doi.org\/10.1007\/978-3-319-10599-4_29“}，{”issue“：”3“，”key“：”14_CR3“，“doi-asserted-by”：“publisher”，“first page”：“1”，”doi“：”10.1145\/1970392.1970395“，”volume“：“58”，”author“：”EJ Cand\u00e8s“，”year“：”2011“，”unstructured“：”Cand\u 00e8S，E.J.，Li，X.，Ma，Y.，Wright，J.：稳健主成分分析？J.ACM（JACM）58（3），1\u201337（2011）“，”journal-title“：”J.ACM（JACM）“}，{“key”：“14_CR4”，“unstructured”：“Chen，T.，Cheng，Y.，Gan，Z.，Liu，J.，Wang，Z.：超出（仅）增强的数据效率Gan培训：彩票透视图。arXiv预印本arXiv:210397（2021）”}，}，“key“：”14_CR5“，”doi-asserted-by“：”crossref“，”unstructure“：”Chen，T.、Liu，S.、Chang，S.，Cheng，Y.、Amini，L.、Wang，Z.：对抗性稳健性：从自我监督的预训练到微调。摘自：IEEE计算机视觉和模式识别会议论文集，第699\u2013708（2020）页，“DOI”：“10.1109”，{“key”：“14_CR6”，“unstructured”：“Chen，T.、Kornblith，S.、Norouzi，M.、Hinton，G.：视觉表征对比学习的简单框架。摘自：机器学习国际会议，第1597\u20131607页。PMLR（2020）“}，{“key”：“14_CR7”，“unstructured”：“Chen，T.，Kornblith，S.，Swersky，K.，Norouzi，M.，Hinton，G.：大型自我监督模型是强大的半监督学习者。arXiv预印本arXiv:2006.10029（2020）”}，}Chen，X.，Fan，H.，Girshick，R.，He，K.：通过动量对比学习改进基线。arXiv预印本arXiv:2003.04297（2020）“}，{“key”：“14_CR9”，“unstructured”：“Chen，X.，Wang，S.，Fu，B.，Long，M.，WangDevlin，J.，Chang，M.W.，Lee，K.，Toutanova，K.：伯特：深层双向变形金刚的语言理解预培训。arXiv预印本arXiv:1810.04805（2018）“}，{“key”：“14_CR11”，“doi-asserted-by”：“crossref”，“unstructured”：“Ericsson，L.，Gouk，H.，Hospedales，T.M.：自监督模型的传递情况如何？摘自：IEEE计算机视觉与模式识别会议论文集，pp.5414\u20135423（2021）”，“doi”：“10.1109 \/CVPR46437.2021.00537”}key“：”14_CR12“，”unstructured“：”Frankle，J.，Carbin，M.：彩票假设：发现稀疏、可训练的神经网络。In:国际学习表征会议（2019）“}，{“key”：“14_CR13”，“unstructured”：“Gidaris，S.，Singh，P.，Komodakis，N.：通过预测图像旋转进行无监督表征学习。arXiv预印本arXiv:1803.07728（2018）”}，}，“key“：”14_CR14“，”unstructure“：”Grill，J.B.等人：引导你自己的潜能：一种新的自主学习方法。arXiv预印本arXiv:2006.07733（2020）“｝，｛”key“：”14_CR15“，”doi由“：”crossref“断言，”非结构化“：”Guo，D.，Rush，A.M.，Kim，Y.：带差异修剪的参数高效迁移学习。arXiv预印本arXiv:2012.07463（2020）“，”doi“：”10.18653\/v1\/2021.acl long.378“｝，｛”key“：”14_CR16“，”非结构化“：”Han，S.、Pool，J.、Tran，J.和Dally，W.J.：学习有效神经网络的权重和连接。arXiv预印本arXiv:1506.02626（2015）“}，{“key”：“14_CR17”，“doi-asserted-by”：“crossref”，“unstructured”：“He，K.，Fan，H.，Wu，Y.，Xie，S.，Girshick，R.：无监督视觉表征学习的动量对比。摘自：IEEE\/CVF计算机视觉与模式识别会议论文集，pp.9729\u20139738（2020）”，“doi”：“10.1109\/CVPR42600.2020.00975“}，{“key”：“14_CR18”，“doi-asserted-by”：“crossref”，“unstructured”：“He，K.，Zhang，X.，Ren，S.，Sun，J.：图像识别的深度剩余学习。摘自：IEEE计算机视觉与模式识别会议论文集，第770\u2013778页（2016）”，“doi”：“10.1109\/CVPR.2016.90”}，}，“issue”：“7”，“key“：”14_CR19“，”doi-asserted-by“：”publisher“，”first page“：”2217“，”doi“：”10.1109\/JSTARS.2019.2918242“，”volume“：“12”，“author”：“P Helber”，“year”：“2019”，“unstructured”：“Helber，P.，Bischke，B.，Dengel，A.，Borth，D.：Eurosat:土地利用和土地覆盖分类的新型数据集和深度学习基准。IEEE J.选择。顶部。申请。地球观测远程传感器12（7），2217\u20132226（2019）”，“期刊标题”：“IEEE J.Sel。顶部。申请。Earth Obs.Remote Sens.“}，{“key”：“14_CR20”，“unstructured”：“Hu，E.J.，et al.：Lora：大型语言模型的低阶适应。arXiv预印本arXiv:2106.09685（2021）”}，}，“key“：”14_CR21“，”doi-asserted-by“：”crossref“，”unstructure“：”Huang，W.，et al.:动态MR成像的深层低阶加稀疏网络（2021年）“，”doi“：”10.1016\/j.media.2021.102190“}，{“key”：“14_CR22”，“doi-asserted-by”：“crossref”，“unstructured”：“Islam，A.，Chen，C.F.，Panda14_CR23“，”doi-asserted-by“：”crossref“，”unstructured“：”Jaderberg，M.，Vedaldi，A.，Zisserman，A.：用低秩展开加速卷积神经网络。arXiv预印本arXiv:1405.3866（2014）“，”DOI“：”10.5244\/C.28.88“}，{”key“：”14_CR24“，”unstructured“：”Jiang，Z.，Chen，T.，Chen、T.，Wang，Z.：对抗性对比学习的稳健预训练。In:NeurIPS（2020）“}”，{“issue”：“13”，“key”：“14_CR25”，“DOI-asserted-by”：“publisher”，“first-page”：“3521”，“DOI”：“10.1073\/pnas.1611835114“，”卷“：”114“，”作者“：《柯克帕特里克杂志》，“年份”：“2017年”，“非结构化”：“柯克帕特里克，J.等人：克服神经网络中的灾难性遗忘。程序。美国国家科学院。科学。114（13），3521\u20133526（2017）“，“新闻标题”：“Proc。美国国家科学院。科学。“}，{”key“：”14_CR26“，”series-title“：”计算机科学课堂讲稿“，”doi-asserted-by“：”publisher“，”first page“：“491”，”doi“：”10.1007\/978-3030-58558-7_29“，”volume-title“：“计算机视觉”，”author“：”A Kolesnikov“，”year“2020”，”unstructured“：”Kolesnigov，A.，et al.：大转移（BiT）：一般视觉表征学习。收录人：Vedaldi，A.、Bischof，H.、Brox，T.、Frahm，J.-M.（编辑）ECCV 2020。LNCS，第12350卷，第491\u2013507页。查姆施普林格（2020）。https:\/\/doi.org\/10.1007\/978-3-030-58558-7_29“}，{“key”：“14_CR27”，“unstructured”：“Krizhevsky，A.，Hinton，G.，et al.：Learning multiple layers of features from tiny images（2009）”}，}“key:”14_CR28“，”doi-asserted-by“：”crossref“，”unstructure“：”Li，S.等：改进无监督的预培训，以实现少量的转移。收录于：IEEE计算机视觉国际会议论文集，第10201\u201310210（2021）页，“DOI”：“10.1109”，{“key”：“14_CR29”，“unstructured”：“Li，X.，et al.：Delta：使用特征图进行深度学习转移，注意卷积网络。arXiv预印本arXiv:1901.09229（2019）”14_CR30“，“首页”：“2579”，“卷”：“9”，“作者”：“L Van der Maaten”，“年份”：“2008”，“非结构化”：“Van der Maraten，L.，Hinton，G.：使用t-SNE可视化数据。J.马赫。学习。第9（11）号决议，2579\u20132605（2008）“，“期刊标题”：“J.Mach。学习。研究“}，{”key“：”14_CR31“，”series-title“：”计算机科学课堂讲稿“，”doi-asserted-by“：”publisher“，”first page“：“69”，”doi“：”10.1007\/978-3-319-46466-4_5“，”volume-title“：“计算机视觉”，”author“：”M Noroozi“，“年份”：“2016”，”unstructured“：”Noroozi，M.，Favaro，P.：通过解决拼图游戏进行视觉表征的无监督学习。收录人：Leibe，B.，Matas，J.，Sebe，N.，Welling，M.（编辑）ECCV 2016。LNCS，第9910卷，第69页\u201384。查姆施普林格（2016）。https:\/\/doi.org\/10.1007\/978-3-319-46466-4_5“}，{“key”：“14_CR32”，“unstructured”：“Phoo，C.P.，Hariharan，B.：通过极端任务差异进行少量快速转移的自我训练。arXiv预印本arXiv:2010.07734（2020）”}，}，“key“：”14_CR33“，”doi-asserted-by“：”crossref“，”unstructure“：”Povey，D.等人：深度神经网络的半正交低秩矩阵分解。收录于：Interspeech，pp.3743\u20133747（2018）“，“DOI”：“10.21437\/Interspeech.2018-1417”}，{“key”：“14_CR34”，“DOI-asserted-by”：“crossref”，“unstructured”：“Sainath，T.N.、Kingsbury，B.、Sindhwani，V.、Arisoy，E.、Ramabhadran，B.：针对具有高维输出目标的深度神经网络训练的低秩矩阵分解。摘自：2013年IEEE声学、语音和信号处理国际会议，第6655\u20136659页。IEEE（2013）“，“DOI”：“10.1109\/ICASSP.2013.6638949”}，{“key”：“14_CR35”，“unstructured”：“Sohn，K.，et al.：Fixmatch:以一致性和信心简化半监督学习。arXiv预印本arXiv:2001.07685（2020）”}10.1007\/978-3-030-58571-6_38“，“volume-title”：“Computer Vision”，“author”：“J-C Su”，“year”：“2020”，“unstructured”：“Su，J.-C.，Maji，S.，Hariharan，B.：自我视觉何时能改善少许学习？收录人：Vedaldi，A.、Bischof，H.、Brox，T.、Frahm，J.-M.（编辑）ECCV 2020。LNCS，第12352卷，第645\u2013666页。查姆施普林格（2020）。https:\/\/doi.org\/10.1007\/978-3-030-58571-6_38“}，{”key“：”14_CR37“，”doi-asserted-by“：”crossref“，”unstructured“：”Sun，M.，Baytas，I.M.，Zhan，L.，Wang，Z.，Zhou，J.：子空间网络：用于神经退行性疾病建模的深度多任务删失回归。摘自：《第24届ACM SIGKDD国际知识发现与数据挖掘会议论文集》，第2259页\u20132268（2018）“，“DOI”：“10.1145\/3219819.3219966”}，{“key”：“14_CR38”，“unstructured”：“Tai，C.，Xiao，T.，Zhang，Y.，Wang，X.，et al.：具有低阶正则化的卷积神经网络。arXiv预印本arXiv:1511.06067（2015）”}、{“key“：”14_CR39“，”series-title“：”计算机科学课堂讲稿“，”doi-asserted-by“：”publisher“，”first page“：“266”，”doi“：”10.1007\/978-3-030-58568-6_16“，”volume-title“：“计算机视觉”，“作者”：“Y Tian”，“年份”：“2020”，“非结构化”：“Tian，Y.，Wang，Y.、Krishnan，D.、Tenenbaum，J.B.、Isola，P.：重新思考一些快照图像分类：一个好的嵌入是你所需要的吗？在：Vedaldi，A.，Bischof，H.，Brox，T.，Frahm，J.-M.（编辑）ECCV 2020。LNCS，第12359卷，第266\u2013282页。查姆施普林格（2020）。https:\/\/doi.org\/10.1007\/978-3-030-58568-6_16“}，{“key”：“14_CR40”，“unstructured”：“Trinh，T.H.，Luong，M.T.，Le，Q.V.：颜值：图像嵌入的自我监督预处理。arXiv预处理arXiv:1906.02940（2019）”}Van Horn，G.等人：非自然物种分类和检测数据集。摘自：IEEE计算机视觉和模式识别会议论文集，第8769\u20138778页（2018）“，“DOI”：“10.1109\/CVPR.2018.00914”}，{“key”：“14_CR42”，“DOI-asserted-by”：“crossref”，“unstructured”：“Xie，E.等人：Detco：用于对象检测的无监督对比学习。收录于：IEEE计算机视觉国际会议论文集，第8392\u20138401（2021）页，“DOI”：“10.1109”，{“key”：“14_CR43”，“DOI-asserted-by”：“crossref”，“unstructured”：“Xie，Q.，Luong，M.T.，Hovy，E.，Le，Q.V.：与吵闹的学生一起进行自我训练可以改进图像网分类。收录于：IEEE计算机视觉和模式识别会议记录，第10687\u201310698页（2020）“，“DOI”：“10.1109\/CVPR42600.2020.01070”}，{“key”：“14_CR44”，“unstructured”：“Xuhong，L.，Grandvalet，Y.，Davoine，F.：卷积网络迁移学习的显式归纳偏差。摘自：机器学习国际会议，第2825\u20132834页。PMLR（2018）“}，{“key”：“14_CR45”，“unstructured”：“Yang，Y.，Xu，Z.：重新思考标签对改善班级平衡学习的价值。arXiv预印本arXiv:2006.07529（2020）”}，}，“key“：”14_CR46“，“unsructured“：”You，Y.、Gitman，I.、Ginsburg，B.：卷积网络的大批量培训。arXiv-print arXiv:1708.0388814_CR47“，”doi-asserted-by“：”crossref“，”unstructured“：”Yu，X.，Liu，T.，Wang，X.和Tao，D.：关于通过低秩和稀疏分解压缩深层模型。摘自：IEEE计算机视觉和模式识别会议论文集，第7370\u20137379页（2017）“，“DOI”：“10.1109\/CVPR.2017.15”}，{“key”：“14_CR48”，“DOI-asserted-by”：“crossref”，“unstructured”：“翟，X.，Oliver，A.，Kolesnikov，A.，Beyer，L.：S4l：自我监督半监督学习。摘自：IEEE计算机视觉国际会议论文集，第1476\u20131485（2019）页，“DOI”：“10.1109\/ICCV.2019.00156”}，{“key”：“14_CR49”，“series-title”：“计算机科学讲义”，“DOI-asserted-by”：“publisher”，“first page”：《649》，“DOI:”10.1007\/978-3319-46487-9_40“，“volume-title”：《计算机视觉》，“author”：“R Zhang”，“年份”：“2016年”，“非结构化”：“Zhang，R.，Isola，P.，Efros，A.A.：彩色图像彩色化。收录人：Leibe，B.，Matas，J.，Sebe，N.，Welling，M.（编辑）ECCV 2016。LNCS，第9907卷，第649\u2013666页。查姆施普林格（2016）。https:\/\/doi.org\/10.1007\/978-3-319-46487-9_40“}，{“key”：“14_CR50”，“doi-asserted-by”：“crossref”，“unstructured”：“Zhang，Y.，Chuangsuwanich，E.，Glass，J.：使用低秩矩阵分解提取深层神经网络瓶颈特征。In:2014 IEEE国际声学、语音和信号处理会议（ICASSP）第185\u2013189页。IEEE（2014）“，”DOI“：”10.1109\/ICASSP.2014.6853583“}，{“key”：“14_CR51”，“unstructured”：“Zhang，Z.，Chen，X.，Cheng，T.，Wang，Z.：高效的彩票查找：数据越少越好。摘自：机器学习国际会议，第12380\u201312390页。PMLR（2021）“}，{“key”：“14_CR52”，“doi-asserted-by”：“crossref”，“unstructured”：“Zhao，M.，Lin，T.，Mi，F.，Jaggi“：”crossref“，”非结构化”：“Zhao，Y.，Li，J.，Gong，Y.：深度神经网络的低秩加对角线自适应。2016年IEEE声学、语音和信号处理国际会议（ICASSP），第5005\u20135009页。IEEE（2016）“，”DOI“：”10.1109\/ICASSP.2016.7472630“}，{”key“：”14_CR54“，”unstructured“：”Zhou，T.，Tao，D.：贪婪的双边草图，完成与平滑。摘自：《人工智能与统计》，第650\u2013658页。PMLR（2013）“}，{“key”：“14_CR55”，“doi-asserted-by”：“crossref”，“unstructured”：“Zhou，Z.，Li，X.，Wright，J.，Candes，E.，Ma，Y.：稳定主成分追求。摘自：2010 IEEE信息理论国际研讨会，第1518\u20131522页。IEEE（2010）“，”DOI“：”10.1109\/ISIT.2010.5513535“}，{“key”：“14_CR56”，“DOI-asserted-by”：“crossref”，“unstructured”：“Zhu，H.，Wang，Z.，Zhang，H.、Liu，M.，Zhao，S.，Qin，B.：少即多：阅读理解的领域适应彩票。In:计算语言学协会的研究结果：EMNLP 2021，pp.1102\u20131113（2021）“，”DOI“：”10.18653\/v1\/2021.findings-emnlp.95“}]，”container-title“：[”计算机科学课堂讲稿“，”计算机视觉\u2013 ECCV 2022“]，”original-title”：[]，”link“：[{”URL“：”https:\/\/link.springer.com/content\/pdf\/10007\/978-3-031-20044-114“，”content-type“：”unspecified“，”content-version“：”vor“，”intended-application“：”算术校验“}]，“deposed”：{“date-parts”：[[2024,3,13]]，“date-time”：“2024-03-13T19:48:33Z”，“timestamp”：1710359313000}，“score”：1，“resource”：{“primary”：}“URL”：“https:\/\/link.springer.com/10.1007\/978-3-031-20044-1_14”}}，”subtitle“：[]，”shorttitle“：[]，”issued“：{”date-part“：[2022]}，83031200434“，”9783031200441“]，”引用计数“：56，”URL“：“http://\/dx.doi.org \/10.1007\/978-3-031-20044-1_14”，“关系”：{}，“ISSN”：[“0302-9743”，“1611-3349”]，“ISSN-type”：[{“值”：“0302-7743”、“类型”：“打印”}，{“数值”：“1611-33049”，“类型”:“电子”}]，“主题”：[]，“发布”：{“日期段”：[2022]}，“2022年10月20日”，“订单”：1，“名称”：“first_online”，“标签”：“第一在线”，“群组”：{“name”：“ChapterHistory”，“label”：“ChapterHistory”}}，{“value”：“ECCV”，“order”：1，“name”:“conference_acrombit”，“标签”：“会议缩写”，“group”：{”name“：“ConferenceInfo”，”label“：“会议信息，“label”：“Conference Information”}}，{“value”：“Tel Aviv”，“order”：3，“name”：“Conference_city”，“label:“Conferency city”，“group”：{“name”∶“ConfernceInfo”，“标签”：“会议信息”}，}“值”：“Israel”，“订单”：4，“name“Conference_country”，“table”：“Meference-country”“”：“2022”，“order”：5，“name”：“conference_year”，“label”：“会议年份”，“group”：{“name”:“ConferenceInfo”，“table”：“Conferency Information”}}，{“value”：“2021年10月23日”，“订单”：7，“name“：”conference_start_date“，”label“：”会议开始日期“，”group“：8、“姓名”：“conference_end_date”，“label”：“会议结束日期”，“group”：{“name”：“ConferenceInfo”，”label“：“会议信息”}}，{“value”：“17”，”order“：9，”name“：”conference_number“，”lable“：”ConferenceNumber“，”group“：{”name“:”ConferenceInfo“，会议id“，“group”：{“name”：“ConferenceInfo”，“label”：“conferenceInformation”}}，{“value”：“https:\/\/eccv2022.ecva.net\/”，“order”：11，“name”:“Conference_url”，“标签”：“会议url”，“groups”：{-“name”；“ConferenceInfo”“：{”name“：”ConfEventPeerReviewInformation“，“label”：“同行评审信息（由会议组织者提供）”}}，{“value”：“CMT”，“order”：2，“name”：“conference_management_system”，“lable”：“会议管理系统”，“group”：{“name”:“ConfEventPeerReviewInformation”，“标签”：“同侪评审信息（应由会议组织者提供：“number_of_submissions_sent_for_review”，“label”：“发送供审阅的提交数”，“group”：{“name”：“ConfEventPeerReviewInformation”，“标签”：“同行审阅信息（由会议组织者提供）”}}，{“value”：“1645”，“order”：4，“name”:“number.of_full_papers_accepted”：“ConfEventPeerReviewInformation”，“label”：“同行评审信息（由会议组织者提供）”}}：“28%-该值由公式“接受的完整论文数/发送审查的提交数量*100”计算，然后四舍五入为整数。”，“order”：6，“name”：“acceptance_rate_of_Full_Papers”，“label”：“完整论文的接受率”，“group”：｛“name”：“ConfEventPeerReviewInformation”，“label”：“同行评议信息（由会议组织者提供）”}}，{“value”：“3.21”，“order”：7，“name”：“average_number_of_reviews_per_paper”，“label”：“每篇论文的平均评论数”，“group”：{“name”:“ConfEventPeerReviewInformation”，“table”：“同行评审信息（由大会组织者提供）：“average_number_of_papers_per_reviewer”，“label”：“每位审阅者的平均论文数”，“group”：{“name”：“ConfEventPeerReviewInformation”，“table”：“同行审阅信息（由会议组织者提供）”}}，{“value”：“Yes”，“order”：9，“name”:“external_reviewers_involved”：“ConfEventPeerReviewInformation”，“label”：“同行评审信息（由会议组织者提供）”}}]}}