第22期山东省人工智能大讲堂活动成功举行

 8月18日上午，第22期山东省人工智能大讲堂活动采用线上线下相结合的方式成功举行。本次大讲堂由山东省人工智能学会主办，中国海洋大学和山东建筑大学承办，CCF YOCSEF青岛学术委员会协办，中国海洋大学仲国强教授、于彦伟副教授和山东建筑大学聂秀山教授担任执行主席。学会理事长尹义龙教授致辞，学术工委秘书长聂秀山教授简要介绍了学会的基本情况。

 

 

 本期大讲堂活动以“图神经网络及其应用”为主题，邀请到了北京邮电大学王啸副教授、香港大学黄超助理教授、新泽西理工大学马耀助理教授和中南大学王森章教授作报告。

 

 

 王啸副教授以“Trustworthy Graph Neural Networks: More Confident, Stable, Robust, and Understandable”为题，介绍了在可信图神经网络中关于鲁棒性、可靠性、稳定性和可解释性四个方面的探索，期望赋予图神经网络更强大与可信的表达能力。

 

 

 黄超助理教授以“基于自监督图学习的推荐系统”为题，介绍了在不同推荐场景中现有推荐系统模型如何进行有效的异构关系学习与融合，从而学习到更加丰富的用户表征；在基于知识图谱增强的推荐系统中，如何融合用户和商品维度的辅助信息以及在多行为推荐系统中, 如何学习到行为间的关联性以准确地预测目标交互行为；最后对推荐系统中异构关系学习的未来方向进行了讨论。

 

 

 马耀助理教授以“Is Homophily a Necessity for Graph Neural Networks ?”为题，介绍了他们在图神经网络是否必要满足同质性（homophily）方面的最新工作。当图神经网络被用于节点分类任务时，图神经网络的成功常常被归功于图的同质性，图神经网络也常常被认为不能被用于异质图（不相似的节点更倾向于相连的图）。马耀助理教授团队最新工作揭露了图神经网络可以在某些满足特定条件的异质图上取得很好的效果，他们还仔细分析刻画了这些条件，并通过实验加以验证。

 

 

 王森章教授以“AI Empowered Spatio-Temporal Data Mining for Smart City: Challenges, Solution, and Applications”为题，首先介绍了城市时空大数据分析的研究背景和意义；然后总结在城市快速发展和移动物联网技术普及的全新背景下，城市时空大数据分析的若干重要挑战，并针对这些挑战，总结了现有研究工作的解决方案；随后，以近期在城市交通大数据和城市人流移动数据预测方面的工作为例，介绍了深度学习技术尤其是GCN等模型在解决城市时空大数据分析方面的应用；最后，对该领域未来可能的研究工作进行展望。

 

 

 本次活动吸引了线上线下900余人参加，参会人员与报告专家就可解释性图神经网络、图神经网络中的同质性、图神经网络在海洋等领域的应用、用户隐私与保护等问题进行了充分的交流和深入的探讨，纷纷表示从中获益匪浅。

 

 山东省人工智能大讲堂是山东省人工智能学会主办的系列品牌活动之一，旨在通过高质量的学术活动推动省内信息化、数字化的快速建设，更好地服务我省人工智能产业发展，提升我省智能化专业水平。

 

撰稿：于彦伟

审核：聂秀山