直播预告 | TIMME: 一种针对多任务多关系的嵌入模型

AI TIME PhD

《TIMME: Twitter Ideology-detection via Multi-task Multi-relational Embedding》    

2020年9月18日 19:30-20:30

划重点

！

直播通道:

哔哩哔哩直播通道

扫码或点击链接

关注AITIME哔哩哔哩官方账号

观看直播

链接：https://live.bilibili.com/21813994

直播时间：

2020年9月18日 19:30-20:30

报告题目：

TIMME: Twitter Ideology-detection via Multi-task Multi-relational Embedding

本工作被KDD2020 ADS Track接受，相关视频等资料下载

http://web.cs.ucla.edu/~patricia.xiao/timme.html。

社交网络上的意识形态分类任务有很广阔的应用场景。本工作从推特（Twitter）数据入手，获取推特数据后拟用图神经网络（graph neural network）解决此问题。

主流的图嵌入模型研究仅关注规模小而稀疏，并且标签（label）丰富的数据集，比如学术网络数据。许多真实应用场景，譬如推特这种社交网络数据，规模大且连接稠密，但是标签却异常稀疏。这种大而稠密的数据使得主流嵌入模型效率很低，标签稀疏又非常容易产生过拟合现象。真实场景下的数据还往往具有特征（feature）不完全性和异质性的特点，进而带来更大的挑战。

本工作提出了TIMME，一种针对多任务多关系的嵌入模型，利用多种关系类型作为补充来处理规模庞大而标签稀疏的图数据，并且进一步提出了可以使得本模型能在特征缺失的情况下使用不完整的特征进行学习的方法。

针对规模大而关系异质的问题，本工作首先采用多关系的图卷积网络对特征进行编码；同时为了解决缺失特征的问题，当特征不完整时，将缺失部分的特征视作可训练的参数。然后采用多任务解码器，让多个任务互相协助，从而解决标签稀疏的问题。

代码和数据都已公开https://github.com/PatriciaXiao/TIMME 。

嘉宾简介：

肖之屏，UCLA CS 在读博士生, 导师为Prof. Yizhou Sun。当前的主要研究方向为社交网络上的数据挖掘。个人主页http://web.cs.ucla.edu/~patricia.xiao/。

直播结束后我们会邀请讲者在微信群中与大家答疑交流，请添加“AI TIME小助手（微信号：AITIME_HY）”,回复“phd”，将拉您进“AI TIME PhD交流群-1”！

AI TIME微信小助手

主       办：AI TIME

联合支持：中国工程院知领直播、学堂在线、CSDN

公益合作：智谱·AI、学术头条、biendata、大数据文摘、数据派、AI科技评论、 Ever链动、机器学习算法与自然语言处理

清华情怀·AITIME基地

1911主题餐厅

待疫情结束，AI TIME期待与您线下相聚！

AI Time欢迎AI领域学者投稿，期待大家剖析学科历史发展和前沿技术。针对热门话题，我们将邀请专家一起论道。同时，我们也长期招募优质的撰稿人，顶级的平台需要顶级的你，请将简历等信息发至yun.he@aminer.cn！

微信联系:AITIME_HY

AI Time是清华大学计算机系一群关注人工智能发展，并有思想情怀的青年学者们创办的圈子,旨在发扬科学思辨精神，邀请各界人士对人工智能理论、算法、场景、应用的本质问题进行探索，加强思想碰撞，打造一个知识分享的聚集地。

更多资讯请扫码关注