直播预告 | KDD最佳论文：超图上的因果效应估计

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：在本报告中，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