Close

SMP2019数据挖掘论坛-图神经网络(GNN)学术研讨会在我院举办


发表日期:2019-08-30 作者:陈喜

823日,由中文信息学会主办,安徽大学计算机科学与技术学院和计算智能与信号处理教育部重点实验室联合承办的社会媒体处理专委会数据挖掘工作组专题研讨会在我院举办,来自清华大学、复旦大学、浙江大学和中国科技大学的四位专家应邀作主题报告。院长仲红出席研讨会并致欢迎辞,学院相关学科教师和学生参加研讨会。

近年来,图神经网络(Graph Neural NetworkGNN)针对图结构数据,通过递归聚合和转换相邻节点的特征向量来计算节点的表征向量,其对图中节点间的依赖关系以及节点附带的属性、文本和标签等信息的强大建模能力,使得图分析相关的研究领域取得了突破性进展。GNN已在社会网络分析、知识图谱、推荐系统、自然语言处理,甚至生命科学等领域,得到广泛应用,在节点分类、链接预测、图分类等任务中达到很好的效果,成为图结构数据的表征学习和分析的热点研究问题。

浙江大学杨洋副教授作题为“动态图神经网络及其在时序异常检测中的应用”的报告。报告介绍一种动态图结构用于表示时间序列内在因子之间的演化关系,并在此基础上提出一个基于GNN的框架,即演化图神经网络(EvoNet),并进一步介绍了EvoNet模型的具体应用场景,如窃电用户检测、服务器进程监测、智能电表自动对时等。

(浙江大学杨洋副教授作报告)

中国科技大学刘淇副教授作题为“基于机器学习方法的知识跟踪”的报告。报告以教育领域为例,介绍从大规模异构学习数据中对学生进行认知诊断和知识跟踪的机器学习模型,以及基于学习者认知结构的自适应学习路径推荐方法。

(中国科技大学刘淇副教授作报告)

复旦大学魏忠钰副教授作题为“基于场景图的跨模态文本生成方法研究”的报告。报告汇报了团队基于场景理解进行跨模态文本生成的几个工作,包括基于图片自适应词汇表的文本生成方法,基于图片主题理解的故事生成方法以及基于场景图构建的故事生成方法。

复旦大学魏忠钰副教授作报告

清华大学李涓子教授作题为“知识图谱的表示学习”的报告。报告介绍了知识图谱的概念、发展及应用,以及团队在知识图谱的表示、知识抽取等方面所做的工作。报告还阐释了知识图谱的表示学习,以及如何利用知识图谱的向量化表示进行社交网络分析、自然语言处理等工作。

(清华大学李涓子教授作报告)

研讨会系列专题报告内容丰富、视野开阔。报告会后,现场师生还与专家就相关领域的热点话题进行了深入探讨和交流。

(研讨会合影)