直播预告 | KDD最佳论文:超图上的因果效应估计

2022 年 10 月 23 日 图与推荐


节点间的群体互动十分常见,目前现有文献大多假设一个个体的结果应该不受其他人的影响(即没有因果干扰),或假设干扰只存在于常规图中的连接个体之间。讲者认为这些假设在现实世界的超图上可能是不现实的,由于存在组交互,高阶干扰可能也会影响最终的因果效应估计,为了解决此问题,本期青源LIVE邀请了2022 KDD最佳论文一作、弗吉尼亚大学博士生马菁做题为《超图上的因果效应估计》的报告。



主讲人:马菁,现为弗吉尼亚大学博士生,本科及硕士毕业于上海交通大学。曾在KDD、NeurIPS、AAAI、WWW、WSDM、IJCAI、IPSN、TKDE等知名国内外会议和期刊发表学术论文十余篇,其中KDD 2022年获得最佳论文奖。研究兴趣涵盖机器学习和数据挖掘等领域,近年主要研究方向为因果推断和图神经网络,尤其集中在因果推断与机器学习之间的联系与结合。曾于微软研究院等多个机构有实习和交流经历。
报告主题:超图上的因果效应估计

报告摘要:本报告中,讲者从因果关系的角度研究超图,介绍对于高阶因果干扰的建模,以及一个由超图神经网络驱动的新因果学习框架,主要为专注超图上个体层面的因果效应估计问题,旨在超图上估计干预某个因变量(treatment)会对结果(outcome)产生的因果影响。
活动时间:10月25日(周二)19:00

活动形式:线上直播,扫描下方二维码报名

登录查看更多
0

相关内容

具有组合结构的统计推断和在线算法
专知会员服务
11+阅读 · 2022年12月13日
因果推理:连接数据和现实
专知会员服务
42+阅读 · 2022年8月25日
SIGIR2022|基于注意力超图网络的交互协同聚类
专知会员服务
24+阅读 · 2022年5月14日
[WWW2021]图结构估计神经网络
专知会员服务
42+阅读 · 2021年3月29日
直播预告 | 推荐系统中的异构关系学习
THU数据派
0+阅读 · 2021年12月28日
直播预告 | IJCAI 2021 专场来啦!
THU数据派
0+阅读 · 2021年12月15日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2011年12月31日
国家自然科学基金
23+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2022年12月15日
Arxiv
14+阅读 · 2022年10月15日
Arxiv
101+阅读 · 2020年3月4日
Arxiv
92+阅读 · 2020年2月28日
Arxiv
110+阅读 · 2020年2月5日
VIP会员
相关基金
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2011年12月31日
国家自然科学基金
23+阅读 · 2008年12月31日
相关论文
Top
微信扫码咨询专知VIP会员