「AI Drive」是由 PaperWeekly 和 biendata 共同发起的学术直播间,旨在帮助更多的青年学者宣传其最新科研成果。我们一直认为,单向地输出知识并不是一个最好的方式,而有效地反馈和交流可能会让知识的传播更加有意义,从而产生更大的价值。
本期 AI Drive,我们邀请到北京航空航天大学博士生孙庆赟,为大家在线解读其发表于 WWW 2021 的最新工作:SUGAR: Subgraph Neural Network with Reinforcement Pooling and Self-Supervised Mutual Information Mechanism。对本期主题感兴趣的小伙伴,5 月 25 日(周二)晚 7 点,我们准时相约 PaperWeekly B 站直播间。
直播信息
目前,大部分图表征方法或采用全局池化方法生成一个全局表征向量,忽略了子结构的语义,或依赖专家知识抽取局部子结构,这导致图表征方法普遍具有可解释性差、泛化性差等缺点。
在本工作中,我们首次引入基于子图选择与表征的子图神经网络 SUGAR,通过自适应地提取显著子图作为原始图的代表性部分,在有效进行图分类的同时可挖掘子图层级的模式。为在无先验知识的情况下捕捉子结构语义,我们首次引入强化学习以自适应地选择显著子图,提高了模型的泛化能力;为获得更具判别性的子图表征,我们引入互信息增强机制,通过最大化局部与全局的互信息,使得子图表征包含全图特征。在六个公开数据集上的实验表明,我们的方法在取得最好结果的同时具有较强的可解释性。
论文标题:
SUGAR: Subgraph Neural Network with Reinforcement Pooling and Self-Supervised Mutual Information Mechanism
论文链接:
https://arxiv.org/abs/2101.08170
代码链接:
https://github.com/RingBDStack/SUGAR
本次分享的具体内容有:
图表征学习现状回顾与问题
子图神经网络构建
强化学习子图选择机制与互信息表征增强机制
实验结果及分析
嘉宾介绍
孙庆赟 / 北京航空航天大学博士生
孙庆赟,北京航空航天大学计算机学院二年级博士生,师从李建欣教授。主要研究方向为图数据挖掘、表征学习等,曾在 WWW、ICDM 等顶级国际会议上发表文章,获 WWW 2021 Student Scholarship Award。
直播地址 & 交流群
本次直播将在 PaperWeekly B 站直播间进行,扫描下方海报二维码或点击阅读原文即可免费观看。线上分享结束后,嘉宾还将在直播交流群内实时 QA,在 PaperWeekly 微信公众号后台回复「AI Drive」,即可获取入群通道。
B 站直播间:
https://live.bilibili.com/14884511
合作伙伴
????
现在,在「知乎」也能找到我们了
进入知乎首页搜索「PaperWeekly」
点击「关注」订阅我们的专栏吧
关于PaperWeekly
PaperWeekly 是一个推荐、解读、讨论、报道人工智能前沿论文成果的学术平台。如果你研究或从事 AI 领域,欢迎在公众号后台点击「交流群」,小助手将把你带入 PaperWeekly 的交流群里。