清华大学唐杰老师WWW2019网络表示学习教程-NE、GNN,500页ppt

2019 年 5 月 17 日 专知
清华大学唐杰老师WWW2019网络表示学习教程-NE、GNN,500页ppt

【导读】网络/图是表达能力很强的通用数据结构,可以用来建模许多现实世界中的问题。近几年来,网络表示学习和图神经网络在基础理论上有很大的进步,在自然语言处理、计算机视觉等领域的应用上取得了非常好的效果。本文介绍清华大学唐杰老师的网络表示学习教程。


网络/图是表达能力很强的通用数据结构,可以用来建模许多现实世界中的问题。例如,下面的互联网应用都可以用网络/图来进行建模:


网络/图的结构包含了大量有价值的信息,可以基于网络/图的结构为网络中的节点和边学习更好的特征,也可以直接基于网络/图的结构来构建端到端的图神经网络。目前,在许多领域,由于网络表示学习或图神经网络的引入,刷新了原先最好的成绩。


清华大学唐杰老师WWW2019网络表示学习教程包含4个PPT,大致内容如下:

  • 简介

    • 网络表示学习的背景

    • 几十年来网络表示学习的一些经典算法

    • 网络表示学习算法进化时间轴

  • 网络表示学习

    • 传统网络分析

      • 节点分类

      • 链接预测

    • 网络表示学习

      • 基于随机游走的网络表示学习(DeepWalk和Node2Vec等)

      • 异构网络表示学习(metapath2vec等)

      • LINE和PTE

      • 网络表示学习和矩阵分解的关系

      • 网络表示学习和稀疏矩阵分解

      • 快速和大规模网络表示学习

    • 公开学术网络/图数据集

  • 图神经网络

    • 图神经网络基础

      • 图卷积

      • 图生成式对抗网络

      • 动态表示

      • 异构表示

    • 大规模应用

      • 知识图谱连接

      • 电子商务中的推荐

      • 线上到线下推荐

      • 游戏中的社会影响

  • 总结

    • 总结

    • 公开网络表示学习数据集


请关注专知公众号(点击上方蓝色专知关注

  • 后台回复“W19NE” 就可以获取清华大学唐杰老师WWW2019网络表示学习教程的下载链接~ 


附PPT1的前20页:


参考链接:

  • https://www.aminer.cn/nrl_www2019


-END-

专 · 知

专知,专业可信的人工智能知识分发,让认知协作更快更好!欢迎登录www.zhuanzhi.ai,注册登录专知,获取更多AI知识资料!

欢迎微信扫一扫加入专知人工智能知识星球群,获取最新AI专业干货知识教程视频资料和与专家交流咨询!

请加专知小助手微信(扫一扫如下二维码添加),加入专知人工智能主题群,咨询技术商务合作~

专知《深度学习:算法到实战》课程全部完成!540+位同学在学习,现在报名,限时优惠!网易云课堂人工智能畅销榜首位!

点击“阅读原文”,了解报名专知《深度学习:算法到实战》课程

登录查看更多
68

相关内容

基于网络的表示学习研究旨在探索能够更好地研究分析复杂信息网络中的节点间的联系, 寻找解决信息网络背景下的各种实际问题的普适方法, 有效融合网络结构与节点外部信息, 形成更具区分性的网络表示. 近年来, 网络表示学习问题吸引了大量的研究者的目光, 相关的论文工作也层出不穷。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
小贴士
相关论文
Filippo Maria Bianchi,Daniele Grattarola,Cesare Alippi
23+阅读 · 2020年6月3日
A Collective Learning Framework to Boost GNN Expressiveness
Mengyue Hang,Jennifer Neville,Bruno Ribeiro
19+阅读 · 2020年3月26日
Memory Augmented Graph Neural Networks for Sequential Recommendation
Chen Ma,Liheng Ma,Yingxue Zhang,Jianing Sun,Xue Liu,Mark Coates
12+阅读 · 2019年12月26日
Hyper-SAGNN: a self-attention based graph neural network for hypergraphs
Ruochi Zhang,Yuesong Zou,Jian Ma
12+阅读 · 2019年11月6日
Boris Knyazev,Graham W. Taylor,Mohamed R. Amer
3+阅读 · 2019年10月28日
Semi-Supervised Graph Embedding for Multi-Label Graph Node Classification
Kaisheng Gao,Jing Zhang,Cangqi Zhou
5+阅读 · 2019年7月12日
Chih-Ming Chen,Chuan-Ju Wang,Ming-Feng Tsai,Yi-Hsuan Yang
6+阅读 · 2019年2月19日
Daokun Zhang,Jie Yin,Xingquan Zhu,Chengqi Zhang
4+阅读 · 2019年1月14日
Uri Shaham,Kelly Stanton,Henry Li,Boaz Nadler,Ronen Basri,Yuval Kluger
9+阅读 · 2018年1月10日
Jonathan Long,Evan Shelhamer,Trevor Darrell
3+阅读 · 2015年3月8日
Top
微信扫码咨询专知VIP会员