WWW2022 最佳论文直播解读 | 大规模自动化图学习

来自北京大学 DAIR 实验室与腾讯TEG机器学习平台部 Angel Graph 团队共同完成的研究斩获WWW 2022 唯一最佳学生论文奖（Best Student Paper Award）。

【直播预约】

直播主题：可扩展的图神经结构搜索系统 | WWW2022

直播时间：6月1日 14：30-16：00

讲师介绍：

张文涛

腾讯TEG机器学习平台部
Angel Graph团队应用研究员

北京大学计算机学院2020级博士生，TEG机器学习平台部Angel Graph团队成员。以第一作者在机器学习（ICML, NeurIPS, ICLR）、数据挖掘（KDD, WWW）和数据库（SIGMOD, VLDB, ICDE）等领域发表顶会论文10余篇，包含WWW’22最佳学生论文和NeurIPS’21 Spotlight论文。参与开源了多个机器学习系统，如大规模图学习系统SGL、分布式机器学习系统Angel、自动化机器学习系统MindWare和黑盒优化系统OpenBox。曾获2021年度Apple Scholar。

直播简介：

本论文研究了大规模图学习过程中面临的图模型可扩展性低以及建模门槛高两个问题，进而提出了一套能自动化建模超大规模图网络的可扩展图学习系统。本文还实现并开源了一套多目标自动化图神经结构搜索系统，来支持更简单和更高效的大规模图学习。系统相关工作已广泛应用于金融风控和社交网络推荐等业务，并获得了WWW会议30多年历史上中国第二个最佳学生论文奖。

直播摘要：

图神经网络模型在多个图任务上都取得了最佳效果，并受到了学术界和工业界的广泛关注。然而，现有的图神经网络系统有两个瓶颈。一方面，受限于单机场景下的存储和计算开销以及分布式场景下的通信开销，大多数基于消息传播机制的图神经网络模型可扩展性较低，很难直接用于工业界大规模图数据。此外，现有的图神经网络系统需要用户针对特定图数据和图任务编写代码和训练流程，然而设计网络结构也需要经验丰富的专家，建模成本很高。
本次直播将首先介绍大规模图学习面临的可扩展性以及建模瓶颈，接着会详细阐述系统的目标以及系统设计和方法。最后，介绍系统的实验效果并进行总结。总的来说，本次直播主要回答了以下几个问题：
1）将图神经网络运用到工业界大规模图数据上面临着哪些挑战？
2）如何自动化设计预测性能好且资源占用少的图神经网络模型？
3）相较于已有的图神经网络系统