图机器学习峰会 | 复杂图的研究与应用探索

背景介绍

6 月 25 日，9:00 - 13:30，在 DataFunSummit 2022：图机器学习在线峰会上，由京东 纪厚业博士 出品的 复杂图论坛 ，将邀请来自亚马逊云科技、北京交通大学、UIUC、美团、天津大学、中国科学技术大学的6位专家学者，针对复杂图的发展趋势和应用实践进行深度分享，欢迎大家一起探讨交流。

具体日程

详细介绍

出品人：纪厚业 京东 算法工程师

个人介绍：纪厚业博士，京东博士管培生，主要关注图神经网络和推荐系统，在 WWW / AAAI / TKDE / TOIS / ICDM / EMNLP 等顶级会议/期刊发表论文10余篇，引用1000+，其中包括WWW19最高引长文，WWW21 Best Paper Finalist；担任 AAAI／ WSDM / ACL / EMNLP / TNNLS / TOIS 等顶级会议/期刊审稿人。曾在中科院自动化所/字节/淘宝/蚂蚁金服/达摩院/华为/京东/腾讯分享图与推荐技术。

分享嘉宾：

甘全 亚马逊上海人工智能研究院 应用科学家

个人介绍：图机器学习框架DGL主要开发成员，现于亚马逊任职，主要负责图神经网络系统与模型设计、以及图神经网络各种应用场景的研究。过去获得纽约大学数据科学学位与复旦大学计算机科学本科学位。

演讲主题：复杂图上的机器学习研究

演讲提纲：本次报告的内容针对更复杂的图概念，包括异质图（heterogeneous graph），动态图（dynamic graph），超图（hypergraph）上的研究介绍以及在实际场景中的应用。

听众收益：

1. 异质图学习框架与模型库 OpenHGNN 介绍，以及 Design Space for Heterogeneous GNN 的介绍

2. WSDM Cup 2022动态图预测竞赛以及数据集设计经验介绍

3. 超图神经网络在表格数据学习中的应用

王楠 北京交通大学 讲师

个人介绍：王楠，博士毕业于清华大学软件学院，现为北京交通大学软件学院讲师。曾参与国家科技重大专项、国家重点研发计划及国家自然科学基金等项目。以第一作者和学生第一作者发表SCI 1区国际学术期刊论文及CCF-A类国际学术会议论文5篇，其中包括 IEEE TCYB, IEEE TNNLS, AAAI和IJCAI等。目前担任IEEE TCYB及IEEE TNNLS等期刊审稿人，主要研究领域包括数据驱动异常检测分析，超图学习算法及应用等。

演讲主题：超图学习及其应用

演讲提纲：王楠，讲师，博士毕业于清华大学软件学院，现为北京交通大学软件学院讲师。曾参与国家科技重大专项、国家重点研发计划及国家自然科学基金等项目。发表SCI 1区期刊论文及CCF A类议论文多篇，其中包括 IEEE TCYB, IEEE TNNLS, AAAI和IJCAI等。目前担任IEEE TCYB及IEEE TNNLS等期刊审稿人，主要研究领域包括数据驱动异常检测分析，超图学习算法及应用等。

听众收益：

1. 超图结构是什么？

2. 代价敏感超图模型的优化方向？

3. 超图学习有哪些应用方向？

Eli Chien (簡翌) UIUC 博士研究生

个人介绍：Eli Chien (簡翌) 目前是ECE,UIUC最後一年的Ph.D. candidate。過去曾於Nokia Bell Labs 與 Amazon Search 暑期研究實習，他目前主要的研究方向為從理論的角度出發研究幾何深度學習(geometric deep learning)，包含了圖機器學習與非歐幾里德空間中的機器學習。例如他曾與合作者提出廣義PageRank (GPR)，之後將其結合圖神經網絡提出GPRGNN解決了非同源圖上的學習問題與過平滑問題。同時，他於今年發表的自監督節點特徵抽取方法GIANT-XRT也於Open Graph Benchmark Leaderboard三個節點分類數據集上得到榜一。此外，之前的研究方向也包括圖與超圖上的統計模型分析和主動學習(active learning)、半監督的K-means聚類以及支撐集估計(support estimation)等等統計問題。Eli Chien的研究主要發表於機器學習、數據挖掘與信息論頂會(NeurIPS, ICLR, AISTATS, AAAI, ICDM, ISIT, TIT...等)。

演讲主题：You are AllSet！超圖GNN的新視角

演讲提纲：超圖適合於刻劃兩者以上的高階交互關係，並於現實場景中有很多應用。許多此前提出的超圖神經網絡在設計上都是基於啟發式(heuristic)的傳播規則，從而只得到次優的預測性能。我們提出AllSet，一個全新基於多重集(multiset)視角的超圖神經網絡框架，我們從理論上證明了AllSet框架的表現力(expressive power)嚴格強於許多先前提出的超圖神經網絡。基於AllSet概念並結合多重集深度學習模型Deep Sets 和Set Transformers，我們提出了兩個全新的超圖神經網絡AllDeepSet與AllSetTransformeret Transformers，我們提出了兩個全新的超圖神經網絡AllDeepSet與AllSetTransformer。為了嚴格測試超圖神經網絡的性能，我們的模型與SOTA超圖神經網絡在10個標準數據集以及3個新提出的數據集上相比展現了優越的性能。

听众收益：

1. 新的超圖GNN設計思路，不必再糾結如何選擇超圖拉普拉斯算子(Hypergraph Laplacian)來設計超圖GNN

2. 基於我們的AllSet框架，任何多重集機器學習方法皆可能被利用於設計新的超圖GNN

3. 提升超圖GNN的表現力與預測性能

王玉玲 北京邮电大学 博士研究生，美团科研实习

个人介绍：北京邮电大学计算机系博士在读/美团NLP中心知识计算组科研实习，主要研究方向为图神经网络理论/图神经网络在推荐场景的应用。

演讲主题：集成多关系图神经网络 Ensemble Multi-Relational Graph Neural Networks

演讲提纲：

1. 从优化目标的角度理解和设计GNNs

2. Relational GNNs当前的发展趋势与挑战

3. 集成多关系图神经网络

• 清晰目标之集成优化框架的设计

• 理论保障之集成消息传递机制的推导

• 大道至简之集成多关系图神经网络框架的设计

4. 总结

听众收益：

1. 如何从优化目标的角度理解和设计异质GNNs？

2. 如何解决当前多关系GNNs的过度参数化和过平滑问题？

3. 如何获得简单稳定的多关系GNNs模型？

金弟 天津大学 副教授

个人介绍：金弟，天津大学智算学部副教授，博士生导师。一直从事图机器学习，特别是网络表示学习、社团发现、图神经网络以及电商搜索推荐方面的研究。近五年一作/通讯发表CCF A类论文30余篇，获CCF A类会议WWW 2021最佳论文奖亚军、国际数据挖掘顶会ICDM 2021最佳学生论文奖亚军、《自动化学报》年度优秀论文奖，担任JCR一区期刊Information Sciences副主编、CCF A类会议IJCAI PC Board Member、IJCAI/AAAI Senior PC。主持国家自然基金2项、国家重点研发计划子课题2项。获ACM中国天津分会新兴奖、中国商业联合会科技进步一等奖。

演讲主题：复杂认知图神经网络及其应用

演讲提纲：图神经网络（GNN）自提出以来迅速得到了学术和工业界的青睐，成为AI研究热点。本报告首先介绍了GNN针对复杂图结构的建模与求解方法，之后介绍如何使GNN更加聪明的认知GNN设计方法，最后介绍GNN在电商搜索和推荐上的应用。

听众收益：

1. 面向复杂图的GNN建模

2. 认知GNN方法

3. 电商搜索推荐应用

郑值 中国科学技术大学 博士

个人介绍：本科及硕士就读于中科大计算机学院，博士就读于中科大大数据学院。以第一作者身份发表CCF A类会议及期刊论文4篇，CCF中文A类期刊论文1篇。曾获得元庆奖学金、华为奖学金、深交所奖学金等奖项，并入选腾讯犀牛鸟精英科研人才计划。主要研究方向为推荐系统。

演讲主题：图表示学习技术在药物推荐系统中的应用

演讲提纲：

1. 图表示学习技术在判别式药物推荐系统中的应用

2. 图表示学习技术在生成式药物推荐系统中的应用

听众收益：

1. 如何利用图的形式来描述药品包？

2. 如何利用图表示学习技术来对药品包进行表征？

3. 如何建模药品间的相互作用？

直播报名

识别二维码，免费报名

报名成功后，请按照提示，入群收看。