直播 | 同源共流：一个优化框架统一与解释图神经网络

「AI Drive」是由 PaperWeekly 和 biendata 共同发起的学术直播间，旨在帮助更多的青年学者宣传其最新科研成果。我们一直认为，单向地输出知识并不是一个最好的方式，而有效地反馈和交流可能会让知识的传播更加有意义，从而产生更大的价值。

本期 AI Drive，我们邀请到北京邮电大学计算机学院硕士生朱美琪，为大家带来同源共流：一个优化框架统一与解释图神经网络的专题直播。对本期主题感兴趣的小伙伴，3 月 2 日（周二）晚 7 点，我们准时相约 PaperWeekly B 站直播间。

直播信息

图神经网络（GNNs）在各种图分析任务中得到了广泛的关注，设计良好的消息传播机制是 GNNs 中最基本的组成部分，并且被证明是十分有效的。虽然传播机制多种多样，但基本上都是以沿网络拓扑传播聚合节点特征的方式来利用拓扑与特征这两种信息的。

因此我们不禁思考这样一些问题：“百花齐放的图神经网络，是否遵循了某种一致的设计思想？图神经网络的不同传播机制背后，是否能用一套规则统一与解释？如若发现这种规则，又能对我们理解与设计新的图神经网络带来何种启发？” 对这些问题较为完善的回答，可以帮助我们从宏观的角度考察不同图神经网络之间的关系与差异，进而激发更多新的图神经网络被设计出来。

本次分享的具体内容有：  

• 图神经网络的传播机制

• 统一的优化目标框架

• 基于统一框架解释经典图神经网络

• 基于统一框架设计新图神经网络

• 实验结果

• 总结

嘉宾介绍

 朱美琪 / 北京邮电大学硕士生 

朱美琪，北京邮电大学计算机学院 2019 级硕士 ，导师为石川老师。曾在 KDD, WWW 顶级国际会议上发表文章。主要研究方向为网络表示学习，图神经网络。

直播地址 & 交流群

本次直播将在 PaperWeekly B 站直播间进行，扫描下方海报二维码或点击阅读原文即可免费观看。线上分享结束后，嘉宾还将在直播交流群内实时 QA，在 PaperWeekly 微信公众号后台回复「AI Drive」，即可获取入群通道。

B 站直播间：

https://live.bilibili.com/14884511

合作伙伴

🔍

现在，在「知乎」也能找到我们了

进入知乎首页搜索「PaperWeekly」

点击「关注」订阅我们的专栏吧

关于PaperWeekly

PaperWeekly 是一个推荐、解读、讨论、报道人工智能前沿论文成果的学术平台。如果你研究或从事 AI 领域，欢迎在公众号后台点击「交流群」，小助手将把你带入 PaperWeekly 的交流群里。