【WWW2021-Tutorial】高级深度图学习:更深入、更快、更鲁棒和无监督

2021年国际万维网大会The Web Conference（旧称WWW）将于2021年4月19日-23日线上召开。TheWebConf是中国计算机学会（CCF）推荐的A类国际学术会议，是互联网技术领域最重要的国际会议之一，由国际万维网会议委员会（IW3C2）和主办地地方团队合作组织，每年召开一次，今年是第30届会议。本次会议共接收1736篇提交长文，最终录用357篇，录用率为20.6%。

许多真实的数据以非网格对象的形式出现，例如从社交网络到分子的图表。从类似网格的数据(如图像)到图的深度学习最近受到了机器学习和数据挖掘领域前所未有的关注，导致了一个新的跨领域领域——深度图学习(DGL)。DGL的目标不是繁杂的特征工程，而是以端到端的方式学习图的信息表示。它在节点/图分类、链路预测等任务中表现出了显著的成功。

虽然之前的几个教程已经在webconf中介绍了图神经网络(GNNs)，但很少关注DGL算法的表达性、可训练性和泛化。为了使DGL更加流行和先进，本教程主要介绍DGL近年来的主要成就。具体来说，我们将讨论四个基本的主题，即如何高效地设计和训练深度GNNs，如何采用GNNs来应对大规模图，对GNNs的对抗性攻击，以及对GNNs的无监督训练。同时，我们将介绍DGL在不同领域的应用，包括但不限于药物发现、计算机视觉、社会网络分析等。

目录内容： 09:00 - 09:10: Opening 09:10 - 09:50: Preliminaries and Brief History of Graph Neural Networks 09:50 - 10:25: Training Deep GNNs 10:25 - 10:30: Break 10:30 - 10:50: Scalability of GNNs 10:50 - 11:20: Robustness of GNNs 11:20 - 11:45: Self/Un-Supervised Learning of GNNs 11:45 - 11:50: Break 11:50 - 12:10: Other advanced topics 12:10 - 12:40: Applications 12:40 - 12:50: Future Directions

https://ai.tencent.com/ailab/ml/WWW-Deep-Graph-Learning.html