基於網路功能模塊的圖特徵學習

雷鋒網AI研習社按：圖是一種常見的數據結構，可以被用於許多不同的預測任務。如何從圖數據學習有效特徵是個重要的問題。我們的新概念是從點和邊出發，拓展到更高階的子圖結構（比如路徑、子圖）來幫助圖特徵學習。這些高階的子圖結構通常具有不同的功能，事實上在一起共同構造了整個網路，所以我們稱這些高階的子圖結構為網路功能模塊（Network Functional Blocks）。在這次雷鋒網AI研習社公開課的分享中，我將用語義相關度搜索（Semantic Proximity Search）作為一個應用例子，來介紹我們最近在探索不同粒度的網路功能模塊、以進行有效圖特徵學習的一些進展。

分享主題

基於網路功能模塊的圖特徵學習

分享嘉賓

鄭文琛，微眾銀行人工智慧項目組專家工程師和副總經理。主要研究方向為結構化數據的特徵學習和遷移學習，已在相關研究領域發表了60餘篇頂級會議和期刊論文，並擁有多項專利和技術。

在圖數據特徵工程的成就獲得國際人工智慧頂級會議IJCAI 2018年的Early Career Spotlight，在遷移學習應用於用戶行為識別的成就獲得國際會議ICCSE 2018年的最佳論文獎。是Cognitive Computation雜誌的副主編。同時也是多個頂級人工智慧國際會議的編委會委員和研討會的組織者。

分享提綱

1、圖特徵學習簡介。

2、網路功能模塊的概念，及其在語義相關度搜索的應用。

3、利用節點路徑作為網路功能模塊的解決方案。

4、利用子圖擴展路徑作為網路功能模塊的解決方案。

5、利用異質有向無環圖作為網路功能模塊的解決方案。

6、總結。

分享時間

9月 26 日（星期三）  20:00

直播鏈接

想了解更多 AI 研習社直播？

歡迎移步雷鋒網 AI 研習社社區~

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！