【中科院计算所】图卷积神经网络及其应用

【导读】卷积神经网络在处理图像、语音、文本等具有较好空间结构的数据时展现出了很好的优势。然而，卷积神经网络不能直接应用于图（Graph）这类空间结构不规则的数据上。近年来，研究人员开始研究如何将卷积神经网络迁移到图数据上，涌现出ChevNet、MoNet、GraphSAGE、GCN、GAT等一系列方法，在基于图的半监督分类和图表示学习等任务中表现出很好的性能。报告首先梳理和回顾该方向的主要研究进展和发展趋势，进而介绍报告人近期在图卷积神经网络方面的一些研究工作（ICLR’19; IJCAI’19）。

【作者简介】

沈华伟，博士，中国科学院计算技术研究所研究员，中国中文信息学会社会媒体处理专委会副主任。主要研究方向：社交网络分析、网络数据挖掘。先后获得过CCF优博、中科院优博、首届UCAS-Springer优博、中科院院长特别奖、入选首届中科院青年创新促进会、中科院计算所“学术百星”。2013年在美国东北大学进行学术访问。2015年被评为中国科学院优秀青年促进会会员。获得国家科技进步二等奖、北京市科学技术二等奖、中国电子学会科学技术一等奖、中国中文信息学会钱伟长中文信息处理科学技术一等奖。出版个人专/译著3部，在网络社区发现、信息传播预测、群体行为分析等方面取得了系列研究成果，发表论文100余篇。担任PNAS、IEEE TKDE、ACM TKDD等10余个学术期刊审稿人和KDD、WWW、SIGIR、AAAI、IJCAI、CIKM、WSDM等20余个国际学术会议的程序委员会委员。

【部分PPT】

更多内容，请关注专知公众号（点击上方蓝色专知关注）

• 后台回复“GCNICT” 就可以获取完整版材料下载链接~

-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！560+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