题  目：GraphMAE: 图表示学习与预训练

内容简介：图表示学习在各领域取得了不错的效果。本次报告分享我们在高效图表示学习与预训练方面的尝试。首先，提出图嵌入的谱理论框架，证明多种主流图嵌入方法的理论等价性，基于此开发可处理千亿边数大图的快速嵌入模型。其次，设计能够捕捉多类型节点和关系特性的异构图注意力机制，将图神经网络有效应用于真实世界中的大规模动态异构图。最后，讨论如何设计图预训练的自监督学习任务，实验结果表明生成式预训练图神经网络可以在各种图挖掘任务中超越有监督的图学习模型，验证了自监督预训练在图挖掘与学习任务中的巨大潜力。

报告人：东昱晓

报告人简介：清华大学计算机系助理教授，知识工程实验室（KEG）成员，曾工作于脸书人工智能和微软总部研究院。研究方向为数据挖掘、图机器学习和预训练基础模型，相关成果应用于十亿用户级社交网络和知识图谱。入选2022年IJCAI Early Career Spotlight，获2017年ACM SIGKDD博士论文奖第三名和2022年ACM SIGKDD新星奖。

时  间：2023年11月11日（周六）上午 10：30 始

地  点：石牌校区南海楼407室

热烈欢迎广大师生参加!

信息科学技术学院/网络空间安全学院

2023年11月10日