时间：2024年1月5号上午8：30-11：30

地点：明理楼0326

腾讯会议号：439-297-445

报告人：刘佳谋

报告题目：鲁棒图表示学习的新进展

报告摘要：图表示学习是一个关键的研究领域，它涉及将图结构数据转换为数值表示，以便于机器学习模型进行处理和分析。鲁棒图学习是指获取能够抵抗输入数据中噪声和错误的图表示学习任务。有符号图学习的目标是处理边具有正负符号的图。在这次演讲中，我将讨论我们在这两个主题上的新工作及其相互联系。具体来说，我们提出了（1）USER，一种基于结构熵的无监督鲁棒图学习方法；（2）RSGNN，一个鲁棒的有符号图神经网络模型，用于增强有符号图的表征；以及（3）SBGCL，一种针对双部有符号图的对比学习框架。这些结果将分别出现在2023年的AAAI、WWW和SIGIR会议上。

报告人简介：刘佳谋博士目前是新西兰奥克兰大学的副教授。他获得了奥克兰大学的博士学位。之后，他在德国莱比锡大学和巴黎第七大学担任研究助理。他也曾是奥克兰理工大学的高级讲师。刘博士现在在奥克兰大学带领一个人工智能研究课题组，其研究兴趣包括多图数据分析、多智能代理系统、以及自然语言处理。他已经发表了140多篇同行评议的研究论文，其中一些发表在AAAI、IJCAI、AAMAS、NEURIPS、ICML等知名期刊和会议上。他是皇家学会Marsden基金的PI。

欢迎广大教师届时积极参加！

主办单位：

计算机与信息学院

科研处