眾所周知，國內(nèi)外在學(xué)術(shù)科研思路和方法上都存在許多不一樣的地方，而這些不同之處在各自的科研成果上能夠得到很好的體現(xiàn)。

7月16日，AI 科技評(píng)論將攜手分別來自麥考瑞大學(xué)計(jì)算機(jī)學(xué)院AI實(shí)驗(yàn)室以及中國科學(xué)院信息工程研究所的兩位同學(xué)，為大家?guī)磉B續(xù)兩場直播，分享他們比較有代表性的兩篇 ICDM 工作。

其中，麥考瑞大學(xué)博士研究生王琪將帶來主題為“社交網(wǎng)絡(luò)中的信任預(yù)測”的分享，這項(xiàng)工作受同質(zhì)理論的啟發(fā)， 提出了一種全新的結(jié)合了用戶評(píng)論行為和該用戶感興趣的商品特征的深度用戶模型，來進(jìn)行用戶相似性度量并最終實(shí)現(xiàn)信任預(yù)測。王琪師從麥考瑞大學(xué)教授楊堅(jiān)和麥考瑞大學(xué)終身助理教授吳佳。

楊堅(jiān)教授現(xiàn)任澳大利亞麥考瑞大學(xué)計(jì)算機(jī)學(xué)院教授，迄今為止已在國際會(huì)議及期刊發(fā)表了200多篇高水平論文，包括IEEE Transactions、ACM Transactions、ICDE、 ICDM、CIKM等，與此同時(shí)，她還擔(dān)任多個(gè)國際期刊的常規(guī)審稿人。吳佳教授現(xiàn)任澳大利亞麥考瑞大學(xué)終身助理教授，武漢大學(xué)珞珈學(xué)者講座教授。他在領(lǐng)域內(nèi)著名國際期刊和會(huì)議發(fā)表論文100+篇, 目前還擔(dān)任 ACM Transactions on Knowledge Discovery from Data (TKDD) 副主編。

同作為國際期刊和會(huì)議的論文高發(fā)作者，兩位教授不僅是各大 AI 和數(shù)據(jù)挖掘?qū)W術(shù)頂會(huì)上的?？?，近年來更指導(dǎo)麥考瑞大學(xué)的碩士、博士生聚焦社交網(wǎng)絡(luò)、圖挖掘、圖神經(jīng)網(wǎng)絡(luò)等研究領(lǐng)域，在 IJCAI、ICDM 、 ICDM、CIKM、AAAI 、KDD 等會(huì)議上發(fā)表了數(shù)篇頗具影響力的成果。

另一位來自中國科學(xué)院信息工程研究所的博士生林希珣，則介紹另一個(gè)主題的工作：對(duì)抗知識(shí)嵌入（AKE）。這項(xiàng)工作針對(duì)的痛點(diǎn)是，知識(shí)圖譜常用的現(xiàn)存嵌入對(duì)齊模型沒有考慮實(shí)體嵌入的空間形狀，導(dǎo)致在僅有少量已知種子的情況下對(duì)齊效果并不理想。

想了解麥考瑞大學(xué)AI實(shí)驗(yàn)室&中國科學(xué)院信息工程研究所的最新工作，探討國內(nèi)外學(xué)術(shù)研究的差異性以及對(duì)上述兩個(gè)研究主題感興趣的同學(xué)們，可都不要錯(cuò)過哦！

直播一：通過對(duì)抗知識(shí)嵌入指導(dǎo)跨語言實(shí)體對(duì)齊（Trust Prediction in Online Social Networks）

分享嘉賓：王琪

分享時(shí)間：7月16日（星期四）上午9:00-10:00（北京時(shí)間）

       

分享背景：

在線社交網(wǎng)絡(luò)中的信任預(yù)測對(duì)于信息傳播，產(chǎn)品推廣和決策至關(guān)重要。然而，社交網(wǎng)絡(luò)中顯示的信任關(guān)系往往非常稀疏， 如何盡可能的減小數(shù)據(jù)稀疏帶來的影響以提高信任預(yù)測的準(zhǔn)確性是一個(gè)非常有挑戰(zhàn)性的問題。本次分享介紹 ICDM 2019 的一項(xiàng)工作 DeepTrust，該工作受同質(zhì)理論的啟發(fā)， 提出了一種全新的結(jié)合了用戶評(píng)論行為和該用戶感興趣的商品特征的深度用戶模型來進(jìn)行用戶相似性度量并最終實(shí)現(xiàn)信任預(yù)測。它是一個(gè)全面的數(shù)據(jù)稀疏度不敏感模型，并且可以廣泛地應(yīng)用于其他研究領(lǐng)域，例如信任感知推薦，社交影響最大化，市場營銷等。

 

分享提綱：

1. 問題背景介紹

2. 相關(guān)工作介紹

3. 研究動(dòng)機(jī)&模型設(shè)計(jì)

4. 實(shí)驗(yàn)結(jié)果與分析

5. 工作總結(jié)與前景

6. Github 資源庫

直播二：通過對(duì)抗知識(shí)嵌入指導(dǎo)跨語言實(shí)體對(duì)齊（Guiding Cross-lingual Entity Alignment via Adversarial Knowledge Embedding    ）

分享嘉賓：林希珣

分享時(shí)間：7月16日（星期四）上午10:30-11:30（北京時(shí)間）

       

 分享背景：

基于知識(shí)嵌入的對(duì)齊模型是一類非常流行的識(shí)別不同語種知識(shí)圖譜中相同實(shí)體的方法。但是現(xiàn)存的嵌入對(duì)齊模型沒有考慮實(shí)體嵌入的空間形狀，導(dǎo)致在僅有少量已知種子的情況下對(duì)齊效果并不理想。本次分享介紹 ICDM 2019 的一項(xiàng)工作：對(duì)抗知識(shí)嵌入（AKE）。AKE在學(xué)習(xí)實(shí)體對(duì)齊的過程中通過減少源域和目標(biāo)域的嵌入分布距離，保持了實(shí)體嵌入在不同空間下的近似同構(gòu)性質(zhì)，使得學(xué)習(xí)到的實(shí)體表示更加魯邦。在真實(shí)數(shù)據(jù)集中, 對(duì)比其他實(shí)體嵌入對(duì)齊模型，AKE取得了更好的實(shí)驗(yàn)結(jié)果。

 

分享提綱：

1. 問題背景介紹

2. 模型介紹

3. 實(shí)驗(yàn)結(jié)果與分析

4. 工作總結(jié)與前景

5. Github 資源庫

 

如何加入？

掃碼關(guān)注[ AI研習(xí)社頂會(huì)小助手] 微信號(hào)，發(fā)送關(guān)鍵字“ECCV 2020+直播”，即可進(jìn)群觀看直播和獲取課程資料。       

雷峰網(wǎng)版權(quán)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。