信息工程学院

2020年10月21日下午，在工B308室，信息工程学院邀请悉尼科技大学Hong Yang博士后为我院师生做科研分享报告，整场报告通过腾讯会议在线进行，崔琳老师主持了整场报告。

Hong Yang博士后的研究方向是图神经网络与图像处理，是当今数据挖掘的研究热点，我院许多年轻教师也从事此方面的研究。首先，Hong Yang博士后指出从社交网络、生物图、引文网络到事务数据，网络和图数据被广泛用于描述大量的现实世界应用程序。为了从网络数据中获取知识，人们已提出许多种网络机器学习模型，如图嵌入模型和图神经网络。从图嵌入模型的角度来看，属性网络嵌入是一个新的模型分支，其目的是从属性网络中获取知识，其中节点的属性和节点之间的链接都是可观察的，以供学习。现有的属性网络嵌入模型能够实现节点链接和属性的联合表示学习。然而，这些模型都是在连续的欧几里德空间中设计的，这种空间常常引入数据冗余，从而给大规模网络的存储和计算成本带来挑战。另一方面，从图神经网络（GNNs）的角度来看，现有的基于属性网络的图神经网络都是基于人工设计的图神经网络结构，这往往需要大量的人工操作和丰富的领域知识。

针对目前图神经网络所存在的问题，Hong Yang博士后详细讲述了所提出的网络数据离散化和自动表示学习模型。从网络嵌入的角度出发，她讲述了一类能够学习离散节点表示的属性网络嵌入模型，以减少数据冗余，最终降低属性网络数据的存储和计算成本。从图神经网络的角度出发，她阐述了一种基于强化学习的图神经结构搜索算法GraphNAS。她在真实世界属性网络数据集的理论和实证研究表明，所提出的离散嵌入模型优于现有的属性网络嵌入方法。

Hong Yang博士后汇报完毕后，信息工程学院各位教师积极围绕报告中所阐述的内容与Hong Yang博士后进行交流，Hong Yang一一给予了详细解答。在交流和讨论的过程中，各位教师进一步深入领会了报告所讲述的内容。

通过邀请悉尼科技大学Hong Yang博士后做科研报告，增强了我院与国外知名高校的联系，使我校教师紧跟当今数据挖掘领域最新研究方向，也扩大了各位教师的科研视野。

（撰稿：崔琳 审核：宋启祥）