学术报告：Two Sides of Graph Neural Networks: Characteristics and Problems

题目：Two Sides of Graph Neural Networks: Characteristics and Problems

主讲人：王啸 北京邮电大学计算机学院 助理教授

日期：2021年11月4日（星期四）

时间：上午10:00 - 12:00

地点：线上会议 腾讯会议号：310 376 847

主持：王昌栋 副教授

摘要：图神经网络已成为当前深度学习领域的新浪潮，是目前学术界与工业界处理图数据的重要手段之一。本次报告将系统思考当前图神经网络的两面性：基本特性与由此引发的问题。图神经网络的优越性能往往来自于良好的输入结构及结构捕捉能力，低通滤波特性等，因此在实际中面临着低质图结构、节点特征刻画不足、信息利用欠缺等挑战。本次报告将介绍在图结构学习、特征刻画、高频信息利用、图神经网络的统一框架以及自监督学习等方面的进展，为理解图神经网络带来新的视角，并赋予图神经网络更强大与全面表达能力。

个人介绍：王啸，现任北京邮电大学计算机学院助理教授，硕士生导师。研究方向为图神经网络、数据挖掘与机器学习。曾任清华大学计算机系博士后研究员，天津大学博士，美国圣路易斯华盛顿大学联合培养博士，入选2020年微软亚洲研究院铸星学者。在IEEE TKDE, NeurIPS, KDD, WWW, AAAI, IJCAI等领域内国际顶级期刊和会议上发表学术论文60余篇，其中一作（共一）/通讯的CCF A类论文25篇，ESI高被引论文1篇，1篇提名WWW 2021 best paper awards, 3篇入AAAI2017/WWW2019，2020最有影响力论文榜单，成果被主流图计算平台DGL等集成。主持多项国家自然科学基金和CCF-腾讯犀牛鸟科研基金。担任IEEE TKDE, KDD, AAAI, IJCAI等多个权威期刊审稿人和顶级会议的（高级）程序委员会成员。