麥考瑞大學 AI 實驗室&中科院信工所，兩場論文直播重磅來襲！

• 2020 年 7 月 14 日
• AI

眾所周知，中國外在學術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。

7月16日，AI 科技評論將攜手分別來自麥考瑞大學電腦學院AI實驗室以及中國科學院資訊工程研究所的兩位同學，為大家帶來連續兩場直播，分享他們比較有代表性的兩篇 ICDM 工作。

其中，麥考瑞大學博士研究生王琪將帶來主題為「社交網路中的信任預測」的分享，這項工作受同質理論的啟發， 提出了一種全新的結合了用戶評論行為和該用戶感興趣的商品特徵的深度用戶模型，來進行用戶相似性度量並最終實現信任預測。王琪師從麥考瑞大學教授楊堅和麥考瑞大學終身助理教授吳佳。

楊堅教授現任澳大利亞麥考瑞大學電腦學院教授，迄今為止已在國際會議及期刊發表了200多篇高水平論文，包括IEEE Transactions、ACM Transactions、ICDE、 ICDM、CIKM等，與此同時，她還擔任多個國際期刊的常規審稿人。吳佳教授現任澳大利亞麥考瑞大學終身助理教授，武漢大學珞珈學者講座教授。他在領域內著名國際期刊和會議發表論文100+篇, 目前還擔任 ACM Transactions on Knowledge Discovery from Data (TKDD) 副主編。

同作為國際期刊和會議的論文高發作者，兩位教授不僅是各大 AI 和數據挖掘學術高峰會上的常客，近年來更指導麥考瑞大學的碩士、博士生聚焦社交網路、圖挖掘、圖神經網路等研究領域，在 IJCAI、ICDM 、 ICDM、CIKM、AAAI 、KDD 等會議上發表了數篇頗具影響力的成果。

另一位來自中國科學院資訊工程研究所的博士生林希珣，則介紹另一個主題的工作：對抗知識嵌入（AKE）。這項工作針對的痛點是，知識圖譜常用的現存嵌入對齊模型沒有考慮實體嵌入的空間形狀，導致在僅有少量已知種子的情況下對齊效果並不理想。

想了解麥考瑞大學AI實驗室&中國科學院資訊工程研究所的最新工作，探討中國外學術研究的差異性以及對上述兩個研究主題感興趣的同學們，可都不要錯過哦！

直播一：通過對抗知識嵌入指導跨語言實體對齊（Trust Prediction in Online Social Networks）

分享嘉賓：王琪

分享時間：7月16日（星期四）上午9:00-10:00（北京時間）

分享背景：

在線社交網路中的信任預測對於資訊傳播，產品推廣和決策至關重要。然而，社交網路中顯示的信任關係往往非常稀疏， 如何儘可能的減小數據稀疏帶來的影響以提高信任預測的準確性是一個非常有挑戰性的問題。本次分享介紹 ICDM 2019 的一項工作 DeepTrust，該工作受同質理論的啟發， 提出了一種全新的結合了用戶評論行為和該用戶感興趣的商品特徵的深度用戶模型來進行用戶相似性度量並最終實現信任預測。它是一個全面的數據稀疏度不敏感模型，並且可以廣泛地應用於其他研究領域，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. 相關工作介紹

3. 研究動機&模型設計

4. 實驗結果與分析

5. 工作總結與前景

6. Github 資源庫

直播二：通過對抗知識嵌入指導跨語言實體對齊（Guiding Cross-lingual Entity Alignment via Adversarial Knowledge Embedding    ）

分享嘉賓：林希珣

分享時間：7月16日（星期四）上午10:30-11:30（北京時間）

 分享背景：

基於知識嵌入的對齊模型是一類非常流行的識別不同語種知識圖譜中相同實體的方法。但是現存的嵌入對齊模型沒有考慮實體嵌入的空間形狀，導致在僅有少量已知種子的情況下對齊效果並不理想。本次分享介紹 ICDM 2019 的一項工作：對抗知識嵌入（AKE）。AKE在學習實體對齊的過程中通過減少源域和目標域的嵌入分布距離，保持了實體嵌入在不同空間下的近似同構性質，使得學習到的實體表示更加魯邦。在真實數據集中, 對比其他實體嵌入對齊模型，AKE取得了更好的實驗結果。

分享提綱：

1. 問題背景介紹

2. 模型介紹

3. 實驗結果與分析

4. 工作總結與前景

5. Github 資源庫

如何加入？

掃碼關注[ AI研習社高峰會小助手] 微訊號，發送關鍵字「ECCV 2020+直播」，即可進群觀看直播和獲取課程資料。