深度学习模型是当今人工智能研究的核心。众所周知,对欧几里得数据(例如图像)和序列数据(例如文本)具有颠覆性学习能力的深度学习技术不能直接适用于图结构数据。这种差距推动了图深度学习研究的浪潮。近年来,已经开发了大量基于图结构数据的神经网络架构,这些架构已经成功应用于社交网络、计算机视觉,自然语言处理,推荐系统,智能风控,智能交通和生物计算学等领域,并取得了显着的性能提升。这波图论与深度学习交叉的研究浪潮也影响了其他科学领域,包括计算机视觉、自然语言处理、归纳逻辑编程、程序合成与分析、自动化规划、强化学习和网络安全。尽管图上的深度学习已经引起了极大的关注,但将其应用于其他领域时仍面临许多挑战,包括从方法论的合理性到实际商业业务表现。
下面,我们就从GNN的视角出发,来重新审视推荐系统。
2021年10月10日
,DataFunSummit:
图机器学习
在线峰会将如约而至。其中由来自
京东
的
纪厚业
博士出品
的推荐与图论坛,将邀请来自
快手
的
王晓伟
老师、
腾讯
的
易玲玲
老师
、
孙仕杰
老师、
孙鸿瑞
老师、
美团
的
黄祥洲
老师,
以及
阿里巴巴(前)
的
李厚意
老师
,
从图算法的视角出发,重新审视推荐系统,和大家一起探讨交流如何将图算法应用于推荐领域,并展示目前的一些最新进展,本次分享将全程直播。
稍后,我们将为大家对本次论坛,做详细介绍,感兴趣的小伙伴可以先识别二维码,免费注册报名,入群收看:
▌论坛日程
▌详细介绍
▌峰会报名
本次峰会将全程直播,欢迎大家识别二维码,免费注册报名:
10月10日,我们不见不散~