题目：图深度学习：图神经网络的研究与应用
摘要：图神经网络是一种专门应用于图数据的深度模型。通常，图本身复杂的结构(各种类型的节点和链接)以及不同的属性(附加到节点和链接上)使得处理图数据非常具有挑战性。图神经网络已经被证明可以有效地捕捉图的结构和属性信息，而且学到的表征也可以在各种下游应用任务中获得良好的性能。在本讲座中，将介绍张嘉洧在图神经网络方面的最新研究工作，包括GResnet、DifNet、和Graph-Bert模型，它们可以在深度图表示学习的基准图数据集上获得较先进的学习性能。此外，还将讨论图神经网络模型在现实世界其他研究问题中的应用，以说明图神经网络在各种跨学科研究和科学发现中的进展和潜力。
简介：张嘉洧是美国加州大学戴维斯分校计算机系的助理教授。已出版书籍 "Broad Learning through Fusions: An Application on Social Networks "，在顶级学术会议、期刊上发表论文100余篇。获得ICDM'20、KDD'18、和ASONAM'16的 "最佳学生论文奖（亚军）"。曾担任多个顶级会议的程序委员会成员，是国家自然科学基金项目的小组成员，在CIKM'19组织了第三次HENA Workshop，并在2014-2017年期间担任ACM TKDD的信息总监和特邀专家。于2017年创立IFM实验室，并担任实验室主任至今。曾在雅虎研究实验室、IBM T. J. Watson研究中心和微软研究院（山景城区）工作。在加入加州大学戴维斯分校之前，张嘉洧助理教授予2012年在南京大学获得计算机科学学士学位，并于2017年在伊利诺伊大学芝加哥分校获得计算机科学博士学位。
报告时间：2022年4月13日(星期三）上午8:00-9:30
报告地点：腾讯会议 884-761-229
