Talk | 新泽西理工学院助理教授马耀:图的同质性是GNN的必要条件吗?

本期为 TechBeat人工智能社区第399期 线上Talk。
这次我“门”有幸邀请到 新泽西理工学院助理教授马耀 来到TechBeat人工智能社区,为我们分享主题为“ 图的同质性(homophily)是GNN的必要条件吗? ” ,Talk已在 TechBeat人工智能社区 上线!【 点击这里 】,即可马上免费观看!
本次Talk中,他分享了如何揭露了GNN可以在某些满足特定条件异质图上取得很好的效果。
Talk·信息
主题: 图的同质性(homophily)是GNN的必要条件吗?
嘉宾:新泽西理工学院助理教授马耀
地点: TechBeat人工智能社区
Talk·提纲
图神经网络已经被广泛应用于各类图相关的机器学习任务中。当它们被用于节点分类任务时,图神经网络的成功常常被归功于图的同质性(homophily)。它们也常常被认为不能被用于异质图(不相似的节点更倾向于相连的图)。我们的工作揭露了GNN可以在某些满足特定条件异质图上取得很好的效果。我们仔细分析刻画了这些条件,并通过实验加以验证。
具体分享提纲如下:
1. 图和图神经网络简介
2. 图神经网络和图的同质性
3. 图神经网络在怎样的图上可以取得不错的效果?
Talk·预习资料
Is Homophily a Necessity for Graph Neural Networks? https:// openreview.net/forum? id=ucASPPD9GKN
Talk·精彩片段



Talk·嘉宾介绍

马耀是新泽西理工学院(New Jersey Institute of Technology)计算机系的助理教授。他目前的研究领域为数据挖掘和机器学习,研究兴趣包括但不限于图神经网络及其在医疗健康、推荐系统、社会计算等领域的应用,知识图谱以及机器学习模型的健壮性等。他是密歇根州立大学杰出博士生奖以及 NSF CRII Award获得者。他的论文多次发表在机器学习,数据挖掘的顶级会议和期刊(如ICLR,ICML,KDD,WWW,SIGIR和TKDE等)。他是AAAI图神经网络和KDD图深度学习教学讲座的主要组织者和演讲者,并写作了图深度学习方向的重要学术图书Deep Learning on Graphs(中文版:《图深度学习》)。
个人主页:
更多精彩Talk,尽在 【持续上新 | Talk合辑】专栏
@将门创投 · 让创新获得认可
如果喜欢,别忘了赞同、关注、分享三连哦!~笔芯❤