异质信息网络的表示学习与应用，北京邮电大学计算机学院石川教授，SMP 2019 前沿技术讲习班第十五期（CIPS ATT 15）

题目：异质信息网络的表示学习与应用

摘要：当前的社会网络分析主要针对同质网络（即网络中结点类型相同），但是现实世界中的网络化数据通常包含不同类型的对象，并且对象之间的关联表示不同的语义关系。构建异质信息网络（即包含不同类型的结点或边的网络）可以包含更加完整的对象之间的关联信息，因此分析这类网络有希望挖掘更加准确的模式。表示学习能够自动抽取对象的隐含特征，为后续机器学习服务，成为近期的研究热点。本报告将系统介绍异质信息网络的表示学习方法，包括随机游走等浅层模型方法和神经网络等深层模型方法。报告也将介绍异质网络表示学习在实际问题上的应用。

个人简介：北京邮电大学计算机学院教授、博士研究生导师、智能通信软件与多媒体北京市重点实验室副主任。主要研究方向: 数据挖掘、机器学习、人工智能和演化计算。近五年来，作为第一作者或通信作者发表高水平学术论文50余篇，英文专著一部，包括数据挖掘领域的顶级期刊和会议IEEE TKDE、ACM TIST、KDD、AAAI、IJCAI、WWW等，相关研究成果应用于阿里巴巴、腾讯、华为等公司。获得ADMA2011/AMDA2018国际会议最佳论文奖、CCF-腾讯犀牛鸟基金及项目优秀奖，并指导学生获得顶尖国际数据挖掘竞赛IJCAI Contest 2015 全球冠军。获得北京市高等学校青年英才和师德先锋等称号。