讲座报名｜北邮计算机学院助理教授杨成——图表示学习算法增强框架

来源：AI TIME论道

  本文约630字，建议阅读2分钟
本文介绍了12月1日晚7:30北京邮电大学计算机学院助理教授杨成带来的分享：《迈向更快更好的图学习——图表示学习算法增强框架》，文末赠书，欢迎扫码观看直播。

12月1日晚 7:30-8:30

AI TIME特别邀请了北京邮电大学计算机学院助理教授杨成，给大家带来分享：《迈向更快更好的图学习——图表示学习算法增强框架》

哔哩哔哩直播通道

★ 嘉宾简介 ★

杨成：

博士，北京邮电大学计算机学院助理教授，2019年毕业于清华大学计算机科学与技术系，获中国中文信息学会优秀博士论文奖。

报告人长期从事图学习与社会计算相关方向的研究，发表相关领域论文30余篇，Google Scholar累计获得引用3000余次，其中首次提出结合节点属性信息的图表示学习算法TADW，单篇被引800余次，并担任包括 ACL、AAAI、WWW、TPAMI等在内的国际顶级会议程序委员会成员和期刊的审稿人。

分享内容：

迈向更快更好的图学习

——图表示学习算法增强框架

报告简介：

作为图表示学习中的两类代表性模型，图嵌入和图神经网络技术也在近五年内得到了非常广泛的研究。如何更快更好地学习图表示，始终是研究者们开发新算法时需要面对的核心问题。绝大多数现有工作旨在提出性能更好的单一模型，而我们将着眼于研究图表示学习算法的增强框架：即将现有的图嵌入（DeepWalk、LINE等）或图神经网络（GCN、GAT等）算法看作黑盒，通过提出和现有模型具有高兼容性的增强算法，进一步提升各现有模型的性能，实现能够增强任意图表示学习算法的统一框架。

划重点，本场福利！！！

分享中与杨老师互动的学生，有机会获得杨老师的著作一本哦！

书名：

《Network Embedding Theories, Methods, and Applications》

—— END ——