本期 AI Drive,我们邀请到上海交通大学在读博士生吴齐天,为大家带来「图机器学习分布外泛化与外推」主题报告。对本期主题感兴趣的小伙伴,4 月 12 日(本周二)晚 7 点,我们准时相约 PaperWeekly 直播间。
直播信息
目前的机器学习问题和方法大多假设封闭的训练-评测准则:1)训练集与测试集共享同样的输入/输出空间,2)训练数据与测试数据来自同一分布。然而现实中的许多场景要求模型与开放动态的环境进行交互,模型在训练阶段需要考虑未来新出现的实体或来自未知分布的样本,例如推荐系统中新出现的用户/商品,在线广告系统中新平台的用户画像/行为特征,动态网络中新出现的节点或连边关系等。
本次报告将介绍最新的几项研究工作,围绕利用图学习的方法解决开放环境下的外推问题以及图结构数据上的分布外泛化问题。具体的方法涉及到基于图结构学习的归纳式协同过滤,基于图表示学习的特征外推网络,以及面向图分布偏移的探索-外推风险最小化。最后会讨论潜在的拓展方向,以及对其他应用领域的适用潜力,作为未来的展望。
论文信息
1. Qitian Wu, Hengrui Zhang, Junchi Yan, David Wipf. Handling Distribution Shifts on Graphs: An Invariance Perspective, International Conference on Learning Representation (ICLR’22).
2. Qitian Wu, Chenxiao Yang, Junchi Yan, Towards Open-World Feature Extrapolation: An Inductive Graph Learning Approach, Advances in Neural Information Processing Systems (NeurIPS’21).
3. Qitian Wu, Hengrui Zhang, Xiaofeng Gao, Junchi Yan, Hongyuan Zha, Towards Open-World Recommendation: An Inductive Model-Based Collaborative Filtering Approach, International Conference on Machine Learning (ICML’21).
演讲提纲
研究背景
研究方法介绍
结果分析和代码实现
理论及可视化分析
未来展望
嘉宾介绍
吴齐天 / 上海交通大学博士生
吴齐天目前为上海交通大学在读博士生, 吴文俊人工智能荣誉博士班成员, 指导老师是严骏驰副教授。研究方向为机器学习和数据挖掘,特别是针对复杂结构数据(图、序列等)的表示、决策和推理,以及在推荐系统、社交网络、事件序列等场景的应用。目前在 ICML/NeurIPS/ICLR/KDD 等会议发表多篇一作论文。曾获评百度奖学金、微软学者奖学金以及全球 AI 百强新星。
更多信息见个人主页:
https://qitianwu.github.io/
直播地址
本次直播将在 PaperWeekly 视频号和 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。
微信视频号
扫描下方二维码关注 PaperWeekly 视频号,第一时间获取开播提醒。
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
·