【GNN报告】北邮石川组

已于 2023-02-08 14:36:41 修改
阅读量942 收藏
点赞数
分类专栏： 随记 文章标签： 北邮 GNN
于 2023-02-06 20:16:39 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/lj2048/article/details/128906336
版权
北邮图数据挖掘与机器学习实验室（GAMMA Lab）专注于图数据挖掘和机器学习，研究领域包括异质图分析和图表示学习。报告涵盖王睿嘉的图结构学习、赵天宇的图神经网络设计空间和开源算法库，以及范少华的图因果表示学习，探讨了相关方法和应用。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

石川：GAMMA Lab介绍

简介

实验室简介

北邮图数据挖掘与机器学习实验室（GAMMA Lab, Graph dAta Mining and MAchine learning Laboratory）长期从事人工智能和数据科学的核心方向：数据挖掘和机器学习的研究，特别专注于图数据的挖掘与学习，在异质图分析和图表示学习等方向处于国内领先水平，相关成果应用于华为、阿里、腾讯等企业。培养了北邮第一个“阿里星”和“腾讯犀牛

了解本专栏 订阅专栏 解锁全文 超级会员免费看
【GNN报告】北邮王啸：图神经网络的两面性
图挖掘领域，新晋砖家 ☞ 未来可期，欢迎和静静一起学习交流吖
07-20 478
目录 1、简介 2、报告 背景 GNN优劣 为如何利用节点特征结构 为如何利用其它频段的信息 统一的目标函数 3、参考 1、简介 王啸，北京邮电大学，助理教授。研究方向为图神经网络、数据挖掘与机器学习。曾任清华大学计算机系博士后，天津大学博士，美国圣路易斯华盛顿大学联合培养博士，入选2020年微软亚洲研究院铸星学者。 2、报告 背景 【专栏：前沿进展】在我们生活的世界中，图数据无处不在，我们可以用图来建模和描述我们的复杂系统。 从马克思主义哲学的角度来说，联系具有普遍性和客观
GNN 2021(十三) An Effective Knowledge Distillation Framework，WWW
qq_36618444的博客
05-10 429
又是北邮石川老师团队的论文（实名羡慕了，这次WWW中了5篇论文） 本文提出了一个知识蒸馏的策略，旨在充分利用数据中有价值的先验知识。所提出的框架提取任意学习的GNN模型(教师模型)的知识，并将其注入到设计良好的学生模型中，学生模型采用标签传播和特征转换两种简单的预测机制，分别自然地保留了基于结构的先验知识和基于特征的先验知识。具体来说，我们将学生模型设计为参数化标签传播和特征转换模块的可训练组合。因此，被学生模型既可以受益于先验知识，也可以受益于GNN教师的知识，从而获得更有效的预测。此外，学习的学生模型.
【CIKM2019教程】深度异构信息网络分析的最新发展（北邮石川教授）.zip
11-08
【CIKM2019教程】深度异构信息网络分析的最新发展（北邮石川教授）。现实中的很多场景包含异构的信息，而大多数当代研究将它们建模为同构网络，并没有区分异构信息。近期，越来越多的研究者开始用异构信息网络（HIN）建模信息来解决数据异构性。本文介绍北邮石川教授在CIKM2019中关于深度异构信息网络分析的教程。
AAAI'25 | 融合分隔：协同专家混合模型用于数据稀缺环境下的药物-靶点相互作用预测...
AITIME_HY的博客
01-13 776
点击蓝字关注我们AI TIME欢迎每一位AI爱好者的加入！点击阅读原文观看作者讲解回放！作者及单位作者：翟新龙，王春辰，王睿嘉，康佳政，李书杰，陈博宇，马腾飞，周子凯，杨成，石川单位：北京邮电大学，中国电信云计算研究院，湖南大学摘要药物-靶点交互（Drug-Target Interaction, DTI）预测在药物发现和临床应用等各种场景中至关重要。DTI 预测中广泛使用的输入数据有两种视角：...
北邮计算机学院石川,祝贺石川教授团队两篇论文被ACM SIGKDD2019接收！
weixin_42499441的博客
07-03 561
我院石川教授团队有两篇论文被刚刚揭晓的国际会议ACM SIGKDD 2019接受。ACM SIGKDD(国际数据挖掘与知识发现大会，简称 KDD)是世界数据挖掘领域的顶级国际会议。自 1995 年以来，该会议已经举办了二十多年，其对论文接收非常严格，每年的接收率不超过 20%。特别是，KDD 2019 包括两个 track：Research track 和 Applied Data Science...
TOC专家谈 | 图基础模型初探（北邮石川）
开放知识图谱
06-12 1197
导读OpenKG新开设“TOC专家谈”栏目，推送OpenKG TOC（技术监督委员会）专家成员的观点文章。本期邀请到北京邮电大学石川教授介绍在图基础模型方面的一些探索，本文整理自石川老师在“OpenKG走入苏大”Talk上的分享。本报告介绍将图学习模型与大型模型融合的基本方法。一方面，应对图神经网络目前面临的挑战；另一方面，利用图技术手段优化大型模型的表现。本文简要介绍了石川教授团队在此领域开展的...
北邮计算机学院石川,石川
weixin_39861918的博客
07-03 1836
Xunqiang Jiang, Tianrui Jia, Yuan Fang,Chuan Shi,Zhe Lin,Hui Wang.Pre-training on Large-Scale Heterogeneous Graph. KDD 2021.[pdf][code & data]Xiao Wang, Nian Liu, Hui Han,Chuan Shi.Self-supervised...
北邮石川教授：「异质信息网络」研究现状及未来发展
qq_44015059的博客
10-10 2453
本文转载自：https://www.leiphone.com/news/201801/MpY4WF11OTnFLp7y.html 图片均来源于转载地址 异质信息网络研究现状及未来发展 一、引言 现实生活中的大多数实际系统是由大量相互作用、类型不同的组件构成，当前的分析方法通常将其建模为同质信息网络（Homogeneous information network）。采用同质网络的建模方法往往只抽取了实际交互系统的部分信息，或者没有区分交互系统中对象及关系的差异性，这些做法都会造成信息不完整或信息损失。 最近，
北邮教授石川：图神经网络需要解决的几个关键问题
BAAIBeijing的博客
04-13 1089
2020年3月29日，中国中文信息学会·社会媒体处理专委会和北京智源人工智能研究院联合主办的“图神经网络在线研讨会2020”成功召开，超过5000人报名参加本次活动。会上，四位国内学者对...
【Graph Transformer：图神经网络与Transformer①】GNN+Transformer（研究进展）| 开源图神经网络算法平台：OpenHGNN | 深入讲解Transformer
追光者♂：记录、分享、总结、提升，现象级专栏《Python从入门到人工智能》作者，无惧黑暗，坚信曙光
12-03 317
众所周知，网络或图是描述复杂系统的通用语言，因此就产生了网络表示学习。网络表示学习进一步挖掘，产生了图神经网络何为Transformer？它是 《Attention Is All You Need》这篇论文提出的一个模型。附，点击下载模型的结构如下图所示：该模型最大的特点是没有使用RNN以及CNN，而是全部使用了注意力机制。为什么要学习Transformer？（我们问一下ChatGPT）学习Transformer有以下几个重要原因：1.革命性的神经网络架构。
【阅读笔记】GNUD
08-09
基于无监督偏好分解的图神经新闻推荐》(Graph Neural News Recommendation with Unsupervised Preference Disentanglement)的研究论文，该论文由北京邮电大学计算机学院图数据挖掘和机器学习实验室的石川老师等人与...
【大咖说Ⅰ】北邮博导石川教授：图机器学习及其应用
DataFountain的博客
11-10 1529
石川教授将从图数据的产业发展历程、工业图数据的特点、异质图建模的意义、异质图的基本概念、图表示学习、异质图表示学习、HERec、HAN框架、图机器学习算法平台、HACUD框架等方面进行介绍。
2011年北邮各组组线
followingturing 追随图灵的路上...
04-29 4580
资料难得，我好不容易找到的，分享这里了~~~~ 完整版文档，这里下载~： http://download.youkuaiyun.com/source/3237018 —————————————————————————————————— 组号
北京邮电大学GAMMA Lab：图神经网络在分布外图上的泛化
Paper weekly
12-08 2150
©作者 |范少华单位 |北邮 GAMMA Lab研究方向 |图神经网络目前提出的图神经网络 (GNN) 方法没有考虑训练图和测试图之间的不可知偏差，从而导致 GNN 在分布外（OOD...
node.js 验证路径有效性_SMP学术前沿速递—基于元路径相似度的动态异质信息网络嵌入...
weixin_39683858的博客
11-15 298
题目：基于元路径相似度的动态异质信息网络嵌入作者：王啸(北京邮电大学)，陆元福(北京邮电大学)，石川(北京邮电大学、SMP委员)，王睿嘉(北京邮电大学)，崔鹏(清华大学、SMP委员 )，牟帅(腾讯)期刊：IEEE Transactions on Knowledge and Data Engineering，2020 异质信息网络通常随着时间的推进而发生演变，这种演变包括不同类型的...
AAAI 25 | 融合分隔：协同专家混合模型用于数据稀缺环境下的药物-靶点相互作用预测
最新发布
m0_59164520的博客
01-13 1092
药物-靶点交互（Drug-Target Interaction, DTI）预测在药物发现和临床应用等各种场景中至关重要。DTI 预测中广泛使用的输入数据有两种视角：内在数据代表药物或靶标的结构，外在数据代表药物或靶标与其他生物实体的关系。
图神经网络（10）- relational GCN
qq_44689178的博客
04-14 1544
从普通的GNN拓展到可以处理异质图的GNN Heterogeneous Graphs（异质图）——有多种类型的边 relational GCN 一种关系的有向图 有多种关系的有向图 knowledge graph（知识图）
空间异质性感知图神经网络
gao00013的博客
12-28 1896
图神经网络(gnn)已广泛应用于许多城市应用，将城市作为城市图，其节点是城市对象，如区域或兴趣点。最近，已经开发了一些增强的GNN架构来处理连接节点不同的异相关图。然而，通常可以观察到城市图具有独特的空间异质性;即在不同的空间距离上，邻居的不相似性可以表现出很大的多样性。这种特性虽然经常存在，但尚未被开发。为此，在本文中，我们提出了一个度量，称为空间多样性得分，以定量衡量空间异质性，并显示它如何影响gnn的性能。
NeurIPS 2021 | 北邮GAMMA Lab：基于置信度校正的可信图神经网络
Paper weekly
10-02 662
题目： 基于置信度校正的可信图神经网络会议： NeurIPS 2021论文地址：https://arxiv.org/abs/2109.14285图神经网络 (GNN) 卓越的性能已经广受关...
变压器油色谱预测的WNN-GNN-SVM组合优化模型
本文主要探讨了一种基于WNN（小波神经网络）、GNN（灰色神经网络）和SVM（支持向量机）的组合预测模型在电力变压器油色谱时间序列预测中的应用。首先，作者深入剖析了这三种预测方法的基本原理，它们各自具有不同的...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

静静喜欢大白

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值