【CAAI 2019】图神经网络与认知推理， 张鹏，CTO，智谱华章

题目：

图神经网络与认知推理

摘要：

图神经网络将深度学习方法延伸到非欧几里得的图数据上，大大提高了图数据应用的精度。我将首先从算法角度分析当下经典的图表示学习算法（DeepWalk、LINE、node2vec等）的本质关系，并提出统一算法框架NetMF和大规模版本NetSMF，并在稀疏图理论的基础上提出高效快速学习算法ProNE，ProNE在精度不降低的情况下比传统学习算法快10-400倍的加速比。接着，我会简单回顾一下图卷积网络（GCN）并探讨如何提高GCN在图数据上的表示学习能力。我们研究发现几个巧妙、简单方法就可以有效的提高GCN的表示能力，该方法可以等价表示为图注意力网络（GAT）。该方法在包括阿里巴巴等多个超大规模数据集上得到应用验证。最后我将探讨在图神经网络基础上的认知推理模型CognitiveGraph (CogGraph)。CogGraph基于认知科学中的双通道认知理论，其中通道1负责直觉认知，通道二负责推理认知。CogGraph可以广泛应用于多个图数据上的任务，包括基于推理的问答、知识图谱补齐等。

个人简介：

张鹏，北京智谱华章科技有限公司CTO，清华大学2018创新领军工程博士，毕业于清华大学计算机科学与技术系知识工程研究室，研究领域包括文本数据挖掘和语义分析、知识图谱构建和应用等。长期致力于将语义信息挖掘和知识图谱技术应用于各种行业应用，在语义大数据分析、智能问答、辅助决策等应用领域拥有多年实践经验。