1、GRAPH REPRESENTATION LEARNING FOR DRUG DISCOVERY王皓 副研究员中国科学技术大学|Outline BackgroundRelated workMolecular Property PredictionMolecule GenerationMolecular representation LearningOur WorkReferences2Outli。
2、Anomaly Detection in Graphs,Yang YangZhejiang University,Including joint work with Yifei Sun,Ziwei Chai,Junru Chen,Xuan Yang ZJU;Jiarong Xu FDU;Chunping Wang and Lei Chen FinVolution;Yizhou Sun UCLA.。
3、GraphSynergy:Network inspired deep learning model for anti-cancer drug combination predictionQingpeng Zhang 张清鹏Joint work with Jiannan Yang,Zhongzhi Xu,William K.K.Wu and Qian ChuSchool of Data Scien。
4、浅谈组合优化问题求解中的机器学习方法南开大学计算机学院 蔡庆琼 01组合优化问题02机器学习方法03求解组合优化的机器学习算法04未来研究方向目录 组合优化问题组合优化问题组合优化领域一些基本问题求解组合优化问题的传统方法组合优化问题4旅行售货商问题TSP(Traveling salesman problem)组合优化问题5组合优化问题在实际中的应用图片来源:Recent Advances in。
5、快手分布式高性能图平台KGraph及其应用张世航 快手高级工程师|01背景介绍02KGraph 架构03关键问题分析04应用场景介绍目录 CONTENT|05小结与展望背景介绍01|快手l国民级的短视频APP,领先的内容社区及社交平台l日活3亿+,巨大的流量入口l海量的交互数据,复杂的技术场景主站关注页主站精选页主站发现页极速版发现页主站同城页直播电商|推荐|社交推荐系统的痛点图数据结构数据容量。
6、图机器学习在安全风控的应用大安全机器智能朱 亮|01背景介绍02架构简介03安全风控图模型目录 CONTENT有向动态异质资金图主网络介绍DDGCL04展望背景介绍01|?$99.8$1000$199.8$299.8$301.9$2000$3000|背景介绍1.黑产会通过资金交易关系关联起来;2.资金流具有异常pattern;架构简介02|u1u2?Tree modelScoregraph_em。
7、1Explainability of Graph-based Image ClassificationJindong Gu University of MunichContent:1.Motivation2.Graph Neural Network3.Graph Capsule Network4.A Graph-based View of Vision Transformer 5.Conclus。
8、图算法在风控以及平台能力建设汪浩然 互联网行业资深风控和图计算专家01图算法和风控简介图算法和风控简介02图算法在风控的演化图算法在风控的演化03相应平台的心得相应平台的心得04展望未来展望未来目录目录CONTENT图算法和风控简介图算法和风控简介01什么是图算法-图论算法最短路径发现最短路径发现团的识别发现团的识别发现圈的识别发现圈的识别发现什么是图算法-图机器学习标签传播算法标签传播算法图神。
9、Copyright 2022 BioMap All Rights ReservedRepresentation Learning for Drug Design宋乐|百图生科&MBZUAICopyright 2022 BioMap All Rights ReservedDrug Discovery is a Long ProcessCompounds Years for 1 drugRe。
10、结合知识图谱的个性化新闻推荐系统刘丹阳 博士研究生 美团 实习生|01背景介绍背景介绍02新闻知识图谱新闻知识图谱0304目录目录CONTENT|知识图谱与新闻知识图谱与新闻推荐的可解释性推荐的可解释性知识图谱与新闻知识图谱与新闻推荐的准确性推荐的准确性背景介绍01|个性化新闻推荐系统阅读新闻是人们日常生活中必不可少的活动。新闻阅读逐渐从纸质端转变到电子端。互联网时代,新闻文章对于用户越来越过载。
11、RELATIONAL REASONING WITH RULE DISCOVERYBang Liu,Assistant ProfessorUniversity of Montreal&Mila2022/06/25|01IntroductionWhat is relational reasoning?Why it is important?02Existing ResearchGraph N。
12、图机器学习与风控的2.0时代敖 翔中科院计算所副研究员2022-06-25|01图机器学习图机器学习与风控的与风控的1.0时代时代02尚未充分考虑的尚未充分考虑的一些挑战一些挑战03图机器学习图机器学习与风控的与风控的2.0时代时代04GNN与与风控的风控的2.0+?目录目录CONTENT|风险控制的重要性|直接风险次生风险间接风险风险控制互联网场景的风控|老问题新服务网络黑产数字金融核心问题:。
13、超大规模图计算引擎阿里巴巴 技术专家谷川Contents目录01背景介绍02Graph Compute 的能力及实现03周边系统建设04使用案例|Graph Compute 简介自助接入,数据托管、智能运维图存储与检索千亿节点,万亿边全量/单表千万qps秒级实时更新支持自研图查询语言&gremlin标准知识图谱管理系统认知图谱:用户实时行为基础数据用户全网曝光数据用户/商品/店铺/CPV。
14、面向可解释性的知识图谱推理研究及应用答辩人:万国佳导师:杜博 教授时间:2021 5.21博士学位答辩第 2 页2大纲1.研究背景2.前沿进展4.研究内容5.总结展望3.研究动机第 3 页3研究背景 引言引言计算智能感知智能认知智能能存会算能听能看会认会说理解推理解释难度价值认知智能特点:依赖背景知识例:“996”,网络热词,建立在群体共识下的新概念第 4 页4研究背景 知识图谱知识图谱实体:巴。
15、图表示学习技术在药品推荐系统中的应用郑值 博士研究生|01研究背景研究背景02判别式药品包推荐判别式药品包推荐03生成式药品包推荐生成式药品包推荐04总结与展望总结与展望目录目录 CONTENT|研究背景01|背景:医疗资源总体不足,分布不均带来的沉重压力|随着人口的增长与老龄化的加剧,人们对于高质量医疗服务的需求不断攀升。2021年1月-11月,全国医疗机构共诊疗60.5亿人次,同比增长22.。
16、Graph Adaptive Semantic Transfer for Cross-domain Sentiment Classification(基于图表征学习的跨域情感分析方法)Kai ZhangUniversity of Science and Technology of China2022年6月25日 Saturdayhttp:/ WorkThe GAST ModelExperimen。
17、图学习在蚂蚁推荐中的应用涂珂|自我介绍2011-2015 清华大学计算机系本科2015-2020 清华大学计算机系博士,研究方向:图学习2020-至今:蚂蚁智能引擎技术事业部-金融机器智能-图学习组主要研究方向:图机器学习,通过算法赋能营销ROI、搜索推荐等业务场景。01背景背景02基于知识图谱的推荐基于知识图谱的推荐03基于社交和文本的推荐基于社交和文本的推荐04基于跨域的推荐基于跨域的推荐目。
18、DGL与复杂图上的机器学习甘全 亚马逊云科技|01DGL与异质图与异质图02DGL与动态图与动态图03DGL与超图与超图目录目录 CONTENT|00图与图神经网络图与图神经网络图与图神经网络图与图神经网络00|图的应用|图神经网络主流是消息传递消息传递,或者其变种端到端训练(绝大部分)或作为预处理的一部分(SGC、SIGN、GAMLP 2)也有使用Transformer架构的(Graphorm。
19、Graph4NLP:A Library for Deep Learning on Graphs for NLPYu(Hugo)Chen 陈宇Research Scientist at Meta AIGraph Machine Learning SummitJune 25th,2022|Graph4NLP:A Brief History and Future 2Year September/202。
20、代价敏感超图学习及其应用王楠 讲师|01Hypergraph Learning02Cost Sensitive Hypergraph Learning03Applications目录目录 CONTENT|Hypergraph Learning01|Hypergraph Learning|Graphv1v2v3v4v5v6v7v1v2v3v4v5v6v7e1e2e3HypergraphHyperg。
21、Beyond Homophily in GNNs:Current Limitations,Effective Designs,and Impacts on RobustnessJiong ZhuPh.D.StudentUniversity of MichiganJoint work with:Danai Koutra,Yujun Yan,Lingxiao Zhao,Mark Heimann,Le。
22、 2022,Amazon Web Services,Inc.or its Affiliates.王敏捷资深应用科学家亚马逊云科技上海人工智能研究院开源图深度学习框架的机遇与挑战 2022,Amazon Web Services,Inc.or its Affiliates.图数据无处不在药物和分子结构用户产品交互网络社交网络知识图谱 2022,Amazon Web Services,Inc.or 。
23、|Enyan DaiCollege of Information Sciences and Technology The Pennsylvania State University|FairnessFairness andand ExplainabilityExplainabilityin in GraphGraph NeuralNeural NetworksNetworks1|01Fairne。
24、图结构在文档分析中的应用与挑战郭琦鹏 亚马逊云科技上海人工智能研究院 应用科学家|01文档分析02文档中的图结构03图结构的作用04挑战与机遇目录 CONTENT|文档分析01|文档分析两大特点:文档级别数据着重信息抽取两大用途:语义理解知识构建新闻资料邮件文档分析文档级别数据输入文本长句子间关系话题的切换着重信息抽取可靠性/真实性信息的完整性这座大楼建成于1988年,18层高,占地。,其中最年。
25、复杂认知图神经网络金弟2022.6.25图机器学习峰会图机器学习峰会20222022:复杂图论坛:复杂图论坛Outline1.面向复杂图的图神经网络2.认知图神经网络2GNN on Universal NetworksGNN on Text-rich NetworksGNN on Attribute Missing HINsGNN on Higher-order Dependency Netwo。
26、Building Very Deep Graph Neural Networks for Representation Learning on GraphsGuohao Li CS PhD Student KAUSTguohao.likaust.edu.saBuilding Very Deep Graph Neural Networks for Representation Learning o。
27、Graph Neural Network for Large-scale SimulationsCollaboratorsStanford:Tailin Wu,Sophia Kivelson,Yinan Zhang,Jacqueline Yau,Jure LeskovecSLAC(Accelerator Laboratory):Jason Chou,Frederico FiuzaDeepMind。
28、?B?.?/?.?/?:?/?/.?CONTENTSCONTENTS3?1 1?2 23 3?01?PART?e?d?b?:?ea?Ic:?Q?V?2?-?:-?.?./?.2?.?0?.2?2?A?R?A?2?D?7F?0?4?26?1?26?26?26?https:/ to model 3D spatial structure of the complex effectively?-Mole。
29、石川 教授北京邮电大学开放环境下图神经开放环境下图神经网络与应用网络与应用 2009BUPT TSEG 2网网络建模络建模络是描述和建模复杂系统的通语2融络社交络神经元络信息络物络互联ABC3网网络表示学习络表示学习络表学习成嵌将节点嵌到低维向量空间中应节点分类链路预测社区发现络演化p 易于并p 可结合经典机器学习法4浅浅层模型层模型浅层模型 基于分解的法 e.g.,Laplacian eige。
30、Data Analytics at Texas A&M LabDecomposition Based Explainability forDeep Neural NetworksMengnan Du Department of Computer Science&EngineeringTexas A&M UniversityEmail:dumengnantamu.eduht。
31、图神经网络在推荐系统中的应用与探索郭威华为 诺亚方舟实验室|自我介绍郭威,本科毕业于西安电子科技大学硕士毕业于武汉大学2019年6月入职华为诺亚方舟实验室研究方向:深度学习,用户行为建模、图表征学习等在推荐系统中的应用在国际顶级会议KDD、SIGIR、WWW、ICDE等发表论文10多篇。|诺亚推荐团队研究方向介绍深度学习模型知识图谱/GNN多目标/迁移学习多模态融合推荐列表式推荐/重排序反事实学。
32、张文涛北京大学博士,腾讯Angel Graph团队成员|PaSca:可扩展的图神经结构搜索系统1个人主页:https:/zwt233.github.io/01问题02实验03方法04总结目录 CONTENT|2问题01|3|图数据许多数据都是以图的形式存在:社交网络知识图谱药物和新材料推荐系统药物发现图神经网络被广泛应用于多个场景:异常检测蛋白质结构预测4|图神经网络图卷积神经网络(GCN)的表。
33、Connecting Text and Vision with Event Graph StructuresManling Limanling2illinois.eduObjectCarEventCarEventBombingItemCarArgumentEventAttackingAttackerprotestersTargetpoliceEventAttackingAttackerpolic。
34、Ensemble Multi-Relational Graph Neural NetworksYuling Wang|Yuling Wang12,Hao Xu2,Yanhua Yu1,Mengdi Zhang2,Zhenhao Li1,Yuji Yang2,and Wei Wu21Beijing University of Posts and Telecommunications 2Meitua。
35、SOME ADVANCES IN OUT-OF-DISTRIBUTION GRAPH LEARNINGYatao Bianhttps:/ AI Lab|01DrugOOD:A testbed for graph OOD learning02Subgraph based invariant graph learningCONTENT|DrugOOD:Background01|Drug Discov。
36、机器学习遇上运筹优化:一种双层优化方法A Bi-Level Framework for Learning to Solve Combinatorial Optimization on GraphsRunzhong Wang Zhigang Hua Gan Liu Jiayi Zhang Junchi Yan Feng Qi Shuang Yang Jun Zhou Xiaokang YangNe。
37、?|01?02?03?CONTENT|?P?D?|?0?D?o?-?3?-?CL?-?3?3?gG?CL?gG?s?A?3?2?1?2D?i?2?+?n?/?/?/?/?e?|r?S?T?/?/?-?/?i?T?-?/?,9?948?.?T?o?Wt?U?p?-?7?C?.?J-,?G?H?T?Ne?LaK?D?8?8?69?A8?,?./?.?2?.?P?l?n?E?h?e?LomC./?.?。
38、单击此处编辑母版标题样式GNN for Science黄文炳清华大学智能产业研究院目录1.1.背景介绍背景介绍2.相关研究3.最新进展4.总结目录目录人工智能蓬勃发展2020-5OpenAI 发布GPT32020-6Google发布ViT2021-12021-6智源发布悟道2.02021-2OpenAI 发布图像版GPT3Google发布Switch Transformer2021-7DeepM。
39、图神经网络与推荐预训练模型宋重钢|目录目录CONTENT|01预训练模型目标预训练模型目标与核心问题与核心问题02推荐系统场景中的推荐系统场景中的预训练模型预训练模型04图神经网络预训练图神经网络预训练案例分享案例分享03预训练模型的预训练模型的服务模式服务模式预训练模型目标与核心问题01|预训练模型的发展历程|NNLM(Bengio et al.,2003)SENNA(Collobert et。
40、|阿里巴巴 艾宝乐大规模图学习平台GraphLearn|目录1.平台介绍2.系统优化3.应用案例4.在线推理|01平台介绍|GraphLearn:工业级大规模图学习平台Server 0Server 1Server 2Server nTensor EngineGraph EngineDatasetPythonTensorFlow&PyTorchGSLSampler,KnnOperatorE。
41、Translation between Moleculesand Natural LanguageHeng Ji(UIUC,Amazon Scholar)Based on the wonderful work done by Hongwei Wang,Carl Edwards,Tuan Lai and Zixuan Zhang(UIUC)Collaborations with Martin Bu。
42、YOURE ALLSET!以多重集函數角度重新檢視超圖GNNEli Chien(簡翌)UIUC 博士候選人|Github:https:/ Webpage:https:/ et al.ICML 2018,Chien et al.AISTATS 2019集團擴張(clique-expansion,CE)定義的消息傳播|為了簡單我們暫且集中討論於d-uniform超圖也就是每個超邊皆只包含k個節點而我。
43、曲率视角下的图数据分析与学习周敏 华为诺亚方舟实验室 主任工程师|自我介绍|本科毕业于中科大,博士毕业于新加坡国立大学 2017年入职华为诺亚方舟实验室 研究方向:图数据、序列数据模式挖掘和学习产产业业会会战战行行业业军军团团01Curvatures02Curvature on Network03Curvature on Surface04Conclusion目录目录 CONTENT|Curva。