亚洲男人的天堂2018av,欧美草比,久久久久久免费视频精选,国色天香在线看免费,久久久久亚洲av成人片仓井空

題目： A Survey on Network Embedding

摘要： 網絡嵌入將網絡中的節點分配給低維表示，有效地保持了網絡結構。近年來，這一新興的網絡分析范式取得了很大的進展。本文首先對網絡嵌入方法進行了分類，然后回顧了網絡嵌入方法的發展現狀，并指出了其未來的研究方向。我們首先總結了網絡嵌入的動機。討論了經典的圖嵌入算法及其與網絡嵌入的關系。隨后，我們對大量的網絡嵌入方法進行了系統的綜述，包括結構和屬性保持的網絡嵌入方法、帶邊信息的網絡嵌入方法和先進的信息保持的網絡嵌入方法。此外，還綜述了幾種網絡嵌入的評價方法和一些有用的在線資源，包括網絡數據集和軟件。最后，我們討論了利用這些網絡嵌入方法構建有效系統的框架，并指出了一些潛在的未來方向。

作者簡介： Peng Cui，清華大學計算機科學與技術系媒體與網絡實驗室副教授。

Jian Pei，現任加拿大大數據科學研究主席（Tier 1）和西蒙弗雷澤大學（Simon Fraser University）計算科學學院教授。他還是統計與精算科學系、科學院和健康科學院的副院士。他是數據科學、大數據、數據挖掘和數據庫系統等領域的知名首席研究員。他的專長是為新的數據密集型應用開發高效的數據分析技術。他被公認為計算機械協會（ACM）的研究員，他為數據挖掘的基礎、方法和應用做出貢獻，并作為電氣與電子工程師協會（IEEE）的研究員，為他的數據挖掘和知識發現做出貢獻。

報告主題： 表示學習--自然語言處理中的圖神經網絡（Graph Neural Networks in NLP）

報告摘要： 圖神經網絡可以通過節點間的信息傳遞有效地捕捉結構信息。自該概念提出以來，圖神經網絡技術已經在自然語言處理、數據挖掘等多個領域得到了廣泛的應用。此次報告講述了自然語言處理中的圖神經網絡，首先介紹了幾種自然語言處理中的圖形結構并提出了一些在自然語言處理中所遇到的圖形問題，然后介紹了圖形表示的三種主要模型以及使用圖形編碼解決問題：神經機器翻譯、文本生成、問題回答、信息提取、情緒、社會分類、語義分析、語義角色標記、單詞嵌入、句子表示。

邀請嘉賓： 張岳，博士，西湖大學長聘副教授。研究領域包括自然語言處理和計算金融。2003年于清華大學獲得計算機科學學士學位，2006年于英國牛津大學獲得計算機科學碩士學位，2009年于英國牛津大學獲得計算機科學博士學位，2010年-2012年在英國劍橋大學從事博士后研究，2012年-2018年在新加坡科技與設計大學擔任助理教授。目前已在國際、國內頂級學術會議上發表論文百余篇，曾獲得IALP 2017和COLING 2018最佳論文獎、NLPCC青年新銳獎，且他的研究成果持續被谷歌、阿里巴巴、美國教育考試服務中心（ETS）等頂尖企業應用于工業生產前線。擔任Transactions of ACL執行主編，ACM Transactions on Asian and Low Resource Language Information Processing副主編，IEEE Transactions on Big Data副主編，以及COLING 2014/18，NAACL 2015/19，EMNLP 2015/17/19，ACL 2017/18/19等國際學會會議的區域主席。

報告主題： 預訓練模型--自然語言處理的新范式

報告摘要： 傳統的有監督自然語言處理模型依賴大規模的人工標注訓練數據，這些數據標注代價非常高，因此規模有限，這也限制了自然語言處理系統進一步提升精度。以Word2vec，GloVe等為代表的詞向量技術可以視為一種早期的預訓練模型， 從大規模未標注文本中預訓練的詞向量，在一定程度上提高了上層模型的精度。然而，這些模型假設“一個詞由唯一的向量表示”，忽略了它們在不同上下文下的差異。以ELMo為代表的上下文相關詞向量模型取消了以上的假設，在不同的上下文環境下，賦予相 同的詞以不同的詞向量，因此又被稱為“動態”詞向量。BERT等模型進一步使用更深層的網絡進行預訓練，并使用了語言模型之外的預訓練目標，在應用模式上也從簡單的特征提取轉換為精調整個網絡結構。這些新的預訓練模型在眾多自然語言處理任務上取得 了很好的效果，已成為自然語言處理的新范式。本報告首先介紹預訓練模型的演化過程，接著介紹預訓練模型在應用方面的最新研究進展，另外還列舉了一些對預訓練模型進行定性和定量分析的工作，最后對自然語言處理中預訓練模型的發展趨勢進行了展望。

邀請嘉賓： 車萬翔 博士，哈爾濱工業大學計算機學院教授，博士生導師，斯坦福大學訪問學者，合作導師Christopher Manning教授。現任中國中文信息學會計算語言學專業委員會委員、青年工作委員會副主任；中國計算機學會高級會員、曾任 YOCSEF哈爾濱主席（2016-2017年度）。在ACL、EMNLP、AAAI、IJCAI等國內外高水平期刊和會議上發表學術論文50余篇，其中AAAI 2013年的文章獲得了最佳論文提名獎，論文累計被引用2,100余次（Google Scholar數據），H-index值為26。出版教材 2 部，譯 著 2 部。承擔國家自然科學基金、973等多項科研項目。負責研發的語言技術平臺（LTP）已被600余家單位共享，提供的在線“語言云”服務已有用戶1萬余人，并授權給百度、騰訊、華為等公司使用。2018年，獲CoNLL多語種句法分析國際評測第1名。2015-16年， 連續兩年獲Google Focused Research Award（谷歌專注研究獎）；2016年，獲黑龍江省科技進步一等獎（排名第2）；2012年，獲黑龍江省技術發明獎二等獎（排名第2）；2010年獲中國中文信息學會“錢偉長”中文信息處理科學技術獎一等獎（排名第2）、首屆 漢王青年創新獎（個人）等多項獎勵。2017年，所主講的《高級語言程序設計（Python）》課程獲國家精品在線開放課程。

報告主題： 生成對抗網絡

報告摘要： 生成對抗網絡（Generative Adversarial Network，GAN）是非監督式學習的一種生成模型，其由一個生成網絡與一個判別網絡組成，通過讓兩個神經網絡相互博弈的方式進行學習。生成網絡從潛在空間（latent space）中隨機取樣 作為輸入，其輸出結果需要盡量模仿訓練集中的真實樣本。判別網絡的輸入則為真實樣本或生成網絡的輸出，其目的是將生成網絡的輸出從真實樣本中盡可能分辨出來。而生成網絡則要盡可能地欺騙判別網絡。兩個網絡相互對抗、不斷調整參數，最終目的 是使判別網絡無法判斷生成網絡的輸出結果是否真實。雖然生成對抗網絡原先是為了無監督學習提出的，它也被證明對半監督學習、監督學習、強化學習同樣有用。本報告主要講述生成對抗網絡的基本原理和最新研究進展。

邀請嘉賓： 復旦大學計算機科學技術學院副教授，博士生導師。于復旦大學獲得理學學士和博士學位。主要從事自然語言處理、深度學習等方向的研究，在ACL、EMNLP、AAAI、IJCAI等計算機學會A/B類期刊、會議上發表50余篇學術論文，引用 1900余次。開源中文自然語言處理工具FudanNLP作者，FastNLP項目負責人。2015年入選首屆中國科協人才托舉工程，2017年ACL杰出論文獎，2018年獲中國中文信息學會“錢偉長中文信息處理科學技術獎—漢王青年創新獎”。

報告主題：圖神經網絡 (GNN) 算法及其應用

報告摘要：圖神經網絡將深度學習方法延伸到非歐幾里得的圖數據上，大大提高了圖數據應用的精度。在這個報告中，我將簡單回顧一下圖卷積網絡（GCN）并探討如何提高GCN在圖數據上的表示學習能力。我們的研究發現幾個巧妙、簡單的方法可以有效的提高GCN的表示能力，該方法可以等價表示為圖注意力網絡（GAT）。該方法的有效性在包括阿里巴巴等多個超大規模數據集上得到驗證。

邀請嘉賓：唐杰，清華大學計算機系教授、系副主任，獲杰青。研究興趣包括：數據挖掘、社交網絡和知識圖譜。發表論文200余篇，引用10000余次（個人h-指數57）。主持研發了研究者社會網絡挖掘系統AMiner，吸引了220個國家/地區1000多萬獨立IP訪問。曾擔任國際期刊ACM TKDD的執行主編和國際會議CIKM’16、WSDM’15的PC Chair、KDD’18大會副主席。作為第1完成人獲北京市科技進步一等獎、中國人工智能學會科技進步一等獎、KDD杰出貢獻獎。

報告主題：網絡表示學習

報告摘要：數據特征的有效表示是機器學習任務中最為關鍵環節之一。網絡數據（如社交網絡、信息網絡等）作為普適而廣泛的數據呈現形式，對它的高效表示學習是近年來數據挖掘和機器學習領域的研究熱點之一。本報告將重點圍繞如下內容展開：（1）網絡表示學習的基本概念；（2）幾類新型網絡表示學習方法，包括：網絡Tag表示、域自適應表示、基于網絡劃分的表示以及內存自適應的表示方法等。

嘉賓簡介：宋國杰，北京大學信息科學技術學院副教授。研究方向包括：網絡大數據分析、機器學習&數據挖掘、社會網絡分析和智能交通系統。主持了包括國家高技術研究發展計劃（863計劃）、國家科技支撐計劃、國家自然科學基金等縱向課題10多項；主持了國際（內）科研機構合作課題、企業橫向合作課題等20余項。國家級精品課程主講教師，兩度獲得北京大學教學成果一等獎（2012、2009）。在包括國際頂級期刊TKDE、TPDS、TITS以及國際頂級會議KDD、IJCAI、AAAI等發表論文100余篇，是多個國際頂級會議（KDD、WWW、AAAI、IJCAI等）的程序委員。申請國家發明專利10項，軟件著作權3項。研究成果獲“2012年度中國公路學會科學技術獎一等獎”、“2012年度山西省科學技術獎二等獎”和“2013年度中國公路學會科學技術獎一等獎”。

題目：異質信息網絡的表示學習與應用

摘要：當前的社會網絡分析主要針對同質網絡（即網絡中結點類型相同），但是現實世界中的網絡化數據通常包含不同類型的對象，并且對象之間的關聯表示不同的語義關系。構建異質信息網絡（即包含不同類型的結點或邊的網絡）可以包含更加完整的對象之間的關聯信息，因此分析這類網絡有希望挖掘更加準確的模式。表示學習能夠自動抽取對象的隱含特征，為后續機器學習服務，成為近期的研究熱點。本報告將系統介紹異質信息網絡的表示學習方法，包括隨機游走等淺層模型方法和神經網絡等深層模型方法。報告也將介紹異質網絡表示學習在實際問題上的應用。

個人簡介：北京郵電大學計算機學院教授、博士研究生導師、智能通信軟件與多媒體北京市重點實驗室副主任。主要研究方向: 數據挖掘、機器學習、人工智能和演化計算。近五年來，作為第一作者或通信作者發表高水平學術論文50余篇，英文專著一部，包括數據挖掘領域的頂級期刊和會議IEEE TKDE、ACM TIST、KDD、AAAI、IJCAI、WWW等，相關研究成果應用于阿里巴巴、騰訊、華為等公司。獲得ADMA2011/AMDA2018國際會議最佳論文獎、CCF-騰訊犀牛鳥基金及項目優秀獎，并指導學生獲得頂尖國際數據挖掘競賽IJCAI Contest 2015 全球冠軍。獲得北京市高等學校青年英才和師德先鋒等稱號。

論壇嘉賓：沈華偉 中國科學院計算技術研究所 研究員

報告主題：圖卷積神經網絡及其應用

報告摘要：卷積神經網絡在處理圖像、語音、文本等具有較好空間結構的數據時展現出了很好的優勢。然而，卷積神經網絡不能直接應用于圖（Graph）這類空間結構不規則的數據上。近年來，研究人員開始研究如何將卷積神經網絡遷移到圖數據上，涌現出ChevNet、MoNet、GraphSAGE、GCN、GAT等一系列方法，在基于圖的半監督分類和圖表示學習等任務中表現出很好的性能。報告首先梳理和回顧該方向的主要研究進展和發展趨勢，進而介紹報告人近期在圖卷積神經網絡方面的一些研究工作（ICLR’19; IJCAI’19）。

嘉賓簡介：沈華偉，博士，中國科學院計算技術研究所研究員，中國中文信息學會社會媒體處理專委會副主任。主要研究方向：社交網絡分析、網絡數據挖掘。先后獲得過CCF優博、中科院優博、首屆UCAS-Springer優博、中科院院長特別獎、入選首屆中科院青年創新促進會、中科院計算所“學術百星”。2013年在美國東北大學進行學術訪問。2015年被評為中國科學院優秀青年促進會會員。獲得國家科技進步二等獎、北京市科學技術二等獎、中國電子學會科學技術一等獎、中國中文信息學會錢偉長中文信息處理科學技術一等獎。出版個人專/譯著3部，在網絡社區發現、信息傳播預測、群體行為分析等方面取得了系列研究成果，發表論文100余篇。擔任PNAS、IEEE TKDE、ACM TKDD等10余個學術期刊審稿人和KDD、WWW、SIGIR、AAAI、IJCAI、CIKM、WSDM等20余個國際學術會議的程序委員會委員。