直播预告|图机器学习分布外泛化与外推

「AI Drive」是由 biendata 和 PaperWeekly 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，我们邀请到上海交通大学在读博士生-吴齐天，为大家在线解读其研究内容：图机器学习分布外泛化与外推。对本期主题感兴趣的小伙伴，4 月 12 日（周二）晚 7 点，我们准时相约 AI_Drive  B 站直播间。

一、直播信息

1、演讲摘要：

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