图神经网络(CNN)及自监督学习
Speaker
唐杰，清华大学计算机系教授
Time
2020-09-22 17:32:15 ~ 2020-09-22 17:32:15
Location
电信群楼3-412会议室
Host
张伟楠
Abstract
图神经网络将深度学习方法延伸到非欧几里得的图数据上，大大提高了图数据应用的精度。在这个报告中，我将简单回顾一下图神经网络（GNN）并探讨如何提高GNN在图数据上的表示学习能力，并且有效避免传统GNN存在的过平滑（Over-smoothing）、过拟合（Over-fitting）以及鲁棒性差的问题，同时我也会探讨负采样在GNN表示学习中的重要性。其次我会介绍最近我们在GNN自监督学习（Self-supervised Learning）方面的一些工作。这些方法的有效性在包括阿里巴巴等多个超大规模数据集上得到验证。
Bio
唐杰，清华大学计算机系教授、系副主任，国家自然基金委杰出青年基金获得者。研究领域包括：人工智能、认知图谱、数据挖掘、社交网络和机器学习。他已发表论文300余篇，引用16000余次，获ACM SIGKDD Test-of-Time Award（十年最佳论文）。主持研发了研究者社会网络挖掘系统AMiner。担任IEEE T. on Big Data、AI OPEN主编以及WWW’21、CIKM’16、WSDM’15的PC Chair。获北京市科技进步一等奖、人工智能学会一等奖、KDD杰出贡献奖。