{“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”：[[2023,11,5]]，“日期时间”：“2023-11-05T00:43:23Z”，“时间戳”：1699145003146}，“发布者位置”：“Cham”，“引用计数”：36，“发布商”：“Springer Nature Switzerland”，“isbn-type”：[{“值”：“9783031466700”，“类型”：”print“}，{“值”：“9783031466717”，“类型”：“electronic”}]，“license”：[{“start”：{“date-parts”：[[2023,1,1]]，“date-time”：“2023-01-01T00:00:00Z”，“timestamp”：1672531200000}，“content-version”：“tdm”，“delay-in-days”：0，“URL”：“https:\/\/www.springernature.com\/gp\/searners\/text-and-data-mining”}，{“tart”：1-01T00:00:00Z“，”时间戳“：1672531200000}，“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”：[[2023]]}，”DOI“10.1007\/978-3031-46671-7_8”，“type”：“book-chapter”，“created”：{“date-parts”：[[2023,11,4]]，“date-time”：“2023-11-04T11:02:26Z”，“timestamp”：1699095746000}，“page”：“103-117”，“update-policy”：”http://\/dx.doi.org\/10.1007\/springer_crossmark_policy“，”source“：”Crossref“，“is-referenced-by-count”：0，“title”：[“通过u00a0M多任务图表示法从\u00a0稀缺健康记录中进行耐药性分析”]，“前缀”：“10.1007”，“作者”：[{“给定”：“红林”，“家庭”：“舒”，“序列”：“第一”，“从属关系”：[]}，{“给出”：“裴”，”家庭“：“高”，“顺序”：“附加”，“隶属关系”：[]}、{“已知”：“凌威”，“家族”：“朱”，“次序”：“额外”，“附属关系”：【】}，}“给定的”：“郑”，家庭“陈”，“序号”：“添加”，“归属关系”：[]}，{“给定”：“靖国神社”，“家庭”：“Matsubara”，“sequence”：“additional”，“affiliation”：[]}，{“given”：“Yasushi”，“family”：“Sakurai”，“serquence”:“additionable”，“abfiliation“：[]{]，“member”：“297”，“published-on-line”：{“date-parts”：[2023,11,5]]}：“Attenberg，J.、Weinberger，K.、Dasgupta，A.、Smola，A.和Zinkevich，M.：使用散列技巧进行协同电子邮件垃圾邮件过滤。收录：CEAS（2009）”}，{“问题”：“1”，“密钥”：“8_CR2”，“doi-asserted-by”：“出版商”，“首页”：“300”，“doi”：“10.1214\/18-AOS1804”，“卷”：“48”，“作者”：“D Bertsimas”，“年份”：“2020”，“非结构化”：“Bertsimas，D.，Van Parys，B.：稀疏高维回归：精确的可伸缩算法和相变。《Ann.Stat.48（1）》，300\u2013323（2020）”，“日记标题”：“Ann.Stat.”}，{“key”：“8_CR3”，“unstructured”：“Brody，S.，Alon，U.，Yahav，E.：图形注意力网络的关注度如何？CoRR abs \/2105.14491（2021）”}，“非结构化”：“Chen，Z.，Badrinarayanan，V.，Lee，C.，Rabinovich，A.：GradNorm:深度多任务网络中自适应损失平衡的梯度归一化。摘自：第35届机器学习国际会议论文集，ICML（2018）”}，{“key”：“8_CR5”，“非结构性”：“Diehl，F.：图神经网络的边收缩池。CoRR abs \/1905.10990（2019）”}，{“issue”：“8”，“key”：“8_CR6”，“doi-asserted-by”：“publisher”，“first page”：”1749“，“doi”：“10.1097 \/CCM.0000000000 330”，”volume“42”，“author”：“R Ferrer”，“year”：“2014”，“unstructured”：“Ferrer，R.等人：经验性抗生素治疗可从第一小时起降低严重败血症和感染性休克的死亡率：基于指南的绩效改善计划的结果。Crit.Care Med.42（8），1749\u20131755（2014）”，“期刊标题”：“Crit.Care Med.”}，{“key”：“8_CR7”，doi断言为：“crossref”，“非结构化”：“Gao，Y.，Ma，J.，Zhao，M.，Liu，W.，Yuille，A.L.：NDDR-CNN：通过神经辨别维度缩减在多任务CNN中进行分层特征融合。摘自：CVPR，pp.3205\u20133214（2019）”，“DOI”：“10.1109\/CVPR.2019.00332”}，{“key”：“8_CR8”，“非结构化”：“Gilmer，J.，Schoenholz，S.S.，Riley，P.F.，Vinyals，O.，Dahl，G.E.：量子化学的神经信息传递。摘自：ICML，pp.1263\u20131272（2017）”}，{“key”：“8_CR9”，“series-title”：“计算机科学课堂笔记”，“doi-asserted-by”：“publisher”，“first page”：”282“doi”：“10.1007\/978-3030-01270-0_17”，“volume-title”：“Computer Vision\u2013 ECCV 2018”，“author”：“M Guo”，“year”：“2018年”，“unstructured”：“Guo，M.，Haque，A.，Huang，D.-A.，Yeung，S.，Fei-Fei，L.：多任务学习的动态任务优先级。摘自：Ferrari，V.，Hebert，M.、Sminchisescu，C.，Weiss，Y.（编辑）ECCV 2018。LNCS，第11220卷，第282\u2013299页。施普林格，查姆（2018）。https:\/\/doi.org\/10.1007\/978-3-030-01270-0_17“}，{“key”：“8_CR10”，“unstructured”：“Guo，P.，Lee，C.，Ulbricht，D.：为多任务学习学习分支。摘自：第37届国际机器学习会议记录，ICML 2020，13\u201318，2020年7月，虚拟事件。机器学习研究论文集，第119卷，第3854\u20133863页。PMLR（2020）“}，{“key”：“8_CR11”，“unstructured”：“Hamilton，W.L.，Ying，Z.，Leskovec，J.：大型图上的归纳表示学习。In:NeurIPS，pp.1024\u20131034（2017）”}，}，“issue”：“1”，键：“8_CR12”，“doi-asserted-by”：“publisher”，“first page”：”1“doi”：“10.1186\/s12879-015-0974-0”，卷：“15”，“author”：“R Ik”ram”，“年份”：“2015年”，“非结构化”：“Ikram，R.，Psutka，R.，Carter，A.，Priest，P.：老年人群中耐多药大肠杆菌尿路感染的爆发：危险因素的病例对照研究。BMC感染。数字化信息系统。15（1），1\u20137（2015）“，“新闻标题”：“BMC感染。数字化信息系统。“}，{”key“：”8_CR13“，”doi-asserted-by“：”crossref“，”unstructured“：”Kanjilal，S.、Oberst，M.、Boominathan，S.，Zhou，H.、Hooper，D.C.、Sontag，D.A.：促进门诊抗菌药物管理的决策算法，用于治疗无并发症的泌尿道感染。Science Transl.Med.12（2020）“，”doi“：”10.1126\/scitranslmed.aay5067“}”，{“key”：“8_CR14”，“非结构化”：“Kendall，A.，Gal，Y.，Cipolla，R.：使用不确定性权衡场景几何和语义损失的多任务学习。In：2018 IEEE计算机视觉与模式识别会议，CVPR（2018）“}，{“key”：“8_CR15”，“unstructured”：“Kipf，T.N.，Welling，M.：图卷积网络半监督分类。In：ICLR（2017）”}，}“key:”8_CR16“，”doi-asserted-by“：”crossref“，”unstructure“：”Kokkinos，I.：UberNet：使用不同的数据集和有限的内存为低、中、高视力训练通用卷积神经网络。收录于：2017 IEEE计算机视觉和模式识别会议，CVPR（2017）“，“DOI”：“10.1109\/CVPR.2017.579”}，{“key”：“8_CR17”，“unstructured”：“Lee，J.，Lee，I.，Kang。机器学习研究论文集，第97卷，第3734\u20133743页。PMLR（2019）“}，{“key”：“8_CR18”，“doi-asserted-by”：“crossref”，“unstructured”：“Lin，T.，Goyal，P.，Girshick，R.B.，He，K.，Doll\u00e1r，P.：密集目标检测的焦点丢失。In:ICCV，pp.2999\u20133007（2017）”，“doi”：“10.1109\/ICCV.2017.324”}，}，“key“：”8_CR19“，”doi-assert-by“：”Crosref“，“unstrained”：”Liu，S.、Johns，E.、Davison，A.J.：关注的端到端多任务学习。收录于：CVPR，第1871\u20131880（2019）页”，“DOI”：“10.1109\/CVPR.2019.00197”}，{“key”：“8_CR20”，“DOI-asserted-by”：“crossref”，“unstructured”：“Ma，Y.，Wang，S.，Aggarwal，C.C.，Tang，J.：带特征池的图卷积网络。收录于ACM SIGKDD，第723\u2013731（2019 R21“，“非结构化”：”Michael，O.，Soorajnath，B.，Helen，Z.，Sanjat，K.，Sontag，D.：AMR-UTI：尿路感染中的抗生素耐药性（版本1.0.0）。PhysioNet（2020）“}，{“key”：“8_CR22”，“doi-asserted-by”：“crossref”，“unstructured”：“Misra，I.，Shrivastava，A.，Gupta，A.，Hebert，M.：多任务学习的交叉网络。摘自：2016 IEEE计算机视觉和模式识别会议，CVPR 2016，美国内华达州拉斯维加斯，2016年6月27日，第3994\u20134003页。IEEE计算机协会（2016）”，“DOI”：“10.1109\/CVPR.2016.433”}，｛“issue”：“11”，“key”：“8_CR23”，“DOI断言”：“publisher”，“first page”：“1749”，“DOI”：“10.1086\/647952”，“volume”：“49”，“author”：“LB Reller”，“year”：“2009”，“nonstructured”：“Reller，L.B.、Weinstein，M.、Jorgensen，J.H.、Ferraro，M.J.：抗菌药敏试验：一般原理和当代实践综述。临床。感染。数字化信息系统。49（11），1749\u20131755（2009）“，“期刊标题”：“临床。感染。数字化信息系统。“}，{“key”：“8_CR24”，“unstructured”：“Seger，C.：机器学习中分类变量编码技术的研究：二进制与单热点和特征散列（2018）”}，}，“key“：”8_CR25“，”unstructure“：”Sener，O.，Koltun，V.：多任务学习作为多目标优化。in:NeurIPS，pp.525\u2013536（2018）“}第一页“：”2539“，”卷“：”12“，”作者“：”N Shervashidze“，”年份“：”2011“，”非结构化“：”Shervashidze，N.，Schweitzer，P.，van Leeuwen，E.J.，Mehlhorn，K.，Borgwardt，K.M.：Weisfeiler-Lehman图核。J.马赫。学习。第12号决议，2539\u20132561（2011）“，“期刊标题”：“J.Mach。学习。Res.“}，{”issue“：”16“，”key“：”8_CR27“，”doi-asserted-by“：”publisher“，”first page“：“2427”，“doi”：“10.1016\/j.patrec.2007.08.008”，“volume”：“28”，“author”：“S Tulyakov”，“year”：“2007”，“unstructured”：“Tulyakv，S.，Farooq，F.，Mansukhani，P.，Govindaraju，V.：用于安全指纹识别系统的对称散列函数。Pattern Recogn.Let第28（16）节，2427\u20132436（2007）“，”期刊标题“：”模式识别。莱特。“}，{”问题“：”7“，”关键“：”8_CR28“，”首页“：”3614“，”卷“：”44“，”作者“：”范登亨德“，”年份“：”2022“，”非结构化“：”范登亨德，S.，Georgoulis，S，Gansbeke，W.V.，Proesmans，M.，Dai，D.，Gool，L.V.：密集预测任务的多任务学习：调查。IEEE Trans.Pattern Anal.Mach.Intell.44（7），3614\u20133633（2022）“，“新闻标题”：“IEEE传输。模式分析。机器。智力。“}，{”key“：”8_CR29“，”unstructured“：”Velickovic，P.、Cucurull，G.、Casanova，A.、Romero，A.、Li\u00f2，P.，Bengio，Y.：图形注意力网络。In:ICLR（2018）“}”，{“issue”：“4”，“key”：“8_CR30”，“首页”：“277”，“volume”：”40“，“author”：“CL Ventola”，“year”：“2015”，“unstructure”：“”Ventola，C.L.：抗生素耐药性危机：第1部分：原因和威胁。药物治疗学。40（4），277（2015）“，“期刊标题”：“药物治疗。“}，{”key“：”8_CR31“，”unstructured“：”Wu，F.，Souza，A.，Zhang，T.，Fifty，C.，Yu，T.、Weinberger，K.Q.：简化图卷积网络。In:ICML，pp.6861\u20136871（2019）“}”，{“key”：“8_CR32”，“doi-asserted-by”：“publisher”，“first-pages”：“4”，“doi”：“10.1109//TNNLS.2020.2978386”，“volume”：”32“，“author”：“Z Wu”，“年份”：“2019年”，“非结构化”：“Wu，Z.，Pan，S.，Chen，F.，Long，G.，Zhang，C.，Yu，P.S.：图形神经网络的综合调查。IEEE传输。神经网络。学习。系统。32，4\u201324（2019）”，“期刊标题”：“IEEE Trans。神经网络。学习。系统。“}，{”key“：”8_CR33“，”unstructured“：”Xu，K.，Hu，W.，Leskovec，J.，Jegelka，S.：图神经网络有多强大？In:ICLR（2019）“}”，{“issue”：“7”，“key”：“8_CR34”，“doi-asserted-by”：“publisher”，“first page”：”1143“，“doi”：“10.1038\/s41591-019-0503-6”，“volume”：“非结构化”：“Yelin，I.等人：个人临床病史预测泌尿系感染的抗生素耐药性。Nat.Med.25（7），1143\u20131152（2019）“，“journal-title”：“Nat.Med”}，{“key”：“8_CR35”，“unstructured”：“Ying，Z.，You，J.，Morris，C.，Ren，X.，Hamilton，W.L.，Leskovec，J.：可微池的层次图表示学习。In:NeurIPS，pp.4805\u20134815（2018）”}、{“key”：”8_CR36“，”doi-asserted-by“：”publisher“，”first页面“：”1819”，“DOI”：“10.1109”，“volume”：“26”，“author”：“ML Zhang”，“year”：“2014”，“unstructured”：“Zhang，M.L.，Zhou，Z.H.：多标签学习算法综述。IEEE传输。知识。Data Eng.26，1819\u20131837（2014）“，“期刊标题”：“IEEE Trans。知识。Data Eng.“}]，“container-title”：[“Advanced Data Mining and Applications”，“Teach Notes in Computer Science”]，“原始标题”：[]，“链接”：[{“URL”：“https:\/\/link.springer.com/content\/pdf\/10007\/978-3-031-46671-7_8”，“内容类型”：“unspecified”，“content-version”：“vor”，“intended-application”：“similarity-checking”}，“deposed”：{date-parts“：[[2023,11,4]]，“date-time”：“2023-11-04T11:03:21Z”，“timestamp”：1699095801000}，“score”：1，“resource”：{“primary”：{“URL”：“https:\/\/link.springer.com\/10.1007\/978-3-031-4661-7_8”}，”subtitle“：[]，”shorttitle“：[]，”issued“：{”date-part“：[2023]]}”，“ISBN”：[“97830314667700”，“9783031466717”]，“references-count”：36，“URL”：“http:\/\/dx.doi.org\/10.1007\/978-3-031-46671-7_8“，”关系“：{}，”ISSN“：[”0302-9743“，”1611-3349“]，”ISSN-type“：[{”value“：”0302-7743”，“type”：“print”}，{”value“：“1611-3399”，“类型”：“electronic”}]，“subject”：[]，“published”：{“date-parts”：[2023]}，“assertion”：[{“value”：“2023年11月5日”，“订单”：1，“名称”：“first_online”，“标签”：“首次在线”，“群组”：{”name“：”ChapterHistory“，”label“：”Ch章历史“}}，{“value”：“ADMA”，“order”：1，“name”：“conference_acrombit”，“label”：“conference缩写”，“group”：{“name”:“ConferenceInfo”，“标签”：“会议信息”}}、{“值”：“高级数据挖掘和应用国际会议”，“订单”：2，“name“conference_name”，“table”：“大会名称”，“组”：{name”：“ConferenceInfo”，“label”：“ConferenceInformation”｝｝，｛“value”：“沈阳”，“order”：3，“name”：“Conference_city”，“label”：“ConferenceCity”，“group”：｛“name”：“ConferenceInfo”，“label”：“ConferenceInformation”｝，｛“value”：“China”，“order”：4，“name”：“Conference_country”，“label”：“ConferenceCountry”，“group”：｛“name”：“ConferenceInfo”，“label”：“会议信息“}}，{”value“：”2023“，”order“：5，”name“：”Conference_year“，”label“：”Conference_year“，“group”：{“name”：“ConferenceInfo”，“label”：“会议信息”}}、{“value”：“2023年8月27日”，“order”：7，“name”:“Conference_start_date”，”lable“：”会议开始日期“，”group“：：“2023年8月29日“，”order“：8，”name“：”conference_end_date“，”label“：”会议结束日期“，”group“：名称“：”conference_id“，”label“：”会议id“，”group“：{”name“：”ConferenceInfo“，”label“：“会议信息”}}，{”value“：”https:\/\/adma2023.uqcloud.net\/“，”order“：11，”name“:”conferenceurl“，“label”：“会议url”，“group”：{“name”：“ConferenceInformo”，“lable”：“大会信息”}，“value”：“Double-blind”，“order”：1，“name”：“type”，“label”：“type”，“group“：{”name“：”ConfEventPeerReviewInformation“，”label“：”Peer Review Information（由会议组织者提供）“}}，{”value“：”Yes.Microsoft CMT“，”order“：2，”name“:”conference_management_system“，”标签“：”会议管理系统“，”group“同行评审信息（由会议组织者提供）“}}，{“value”：“503”，“order”：3，“name”：“number_of_submissions_sent_for_Review”，“label”：“发送供评审的提交数”，“group”：{“name”:“ConfEventPeerReviewInformation”，“table”：“同行评审信息”（由会议主办方提供）}}number_of_full_papers_accepted“，”label“：”接受的全文数“，”group“：{”name“：”ConfEventPeerReviewInformation“，”标签“：”同行评审信息（由会议组织者提供）“}}，{”value“：”0“，”order“：5，”name“:”number_ of_short_papers_Accepteded“，”table“：”已接受的短文数“，“group”：{“name”：“”ConfEventPeerReviewInformation“，”label“：”同行评审信息（由会议组织者提供）“}}，{”value“：”43%-该值由等式“接受的全文数”/“发送供评审的提交数*100”计算，然后四舍五入为整数。“，”order“：6，”name“：”acceptance_rate_of_Full_Papers“，”标签“：”全文接受率“，”group“：{”name“：”ConfEventPeerReviewInformation“，”label“：”Peer Review Information（由会议组织者提供）“}}，{”value“：”2.97“，”order“：7，”name“:”average_number_of_reviews_per_paper“，”标签“：”每篇论文的平均评论数“，”google“：同行评议信息（由会议组织者提供）“}}，{“value”：“3.77”，“order”：8，“name”：“average_number_of_papers_per_reviewer”，“label”：“每个审阅者的平均论文数”，“group”：{“name”:“ConfEventPeerReviewInformation”，“tabel”：”同行评议资讯（由会议组织方提供）“{}}”，{（value）：“No”，“订单”：9，“name“：”external_reviewers_involved“，”label“：”涉及外部审阅者“，”group“：{”name“：”ConfEventPeerReviewInformation“，”标签“：”同行审阅信息（由会议组织者提供）“}}]}}