EliChieniscurrentlyaPh.D.studentinthedepartmentofElectricalandComputerEngineeringattheUniversityofIllinoisUrbana-Champaign.Heworksonabroadrangeofproblemsrelatedtoalgorithmstoprocessthenon-Euclideandata,including(hyper)graphsandhyperbolicspaces.Hisresearchesmainlyfocusonconnectingtheoryandpracticebydevelopingandanalyzingprincipledalgorithms.Specifically,hisrecentresearchresultsincludeGeneralizedPageRankalgorithm,theoryforgraphneuralnetworks,activelearningon(hyper)graphs,hypergraphanalysisforbiologyapplicationsandclassificationsinthehyperbolicspace.Previously,healsoworksonsemi-supervisedk-meansproblem,supportestimationproblemandstatisticalmodelingforhypergraphs.HisworksgotpublishedinTIT,NeurIPS,ICLR,AISTATS,AAAI,ICDM,ISIT,ITWandICASSP.
演讲议题：AdaptiveUniversalGeneralizedPageRankGraphNeuralNetwork
议题介绍：
胡子牛UCLA博士生
ZiniuHuisathird-yearCSPhDstudentinUCLAadvisedbyProf.YizhouSun.Hispreviousresearchfocusesondevelopingmachinelearningmethodsthatcanefficientlyandeffectivelyhandlegraph-structuredcomplexdata,especiallylarge-scaleandmulti-relationalgraphs.
演讲议题：知识图谱的自监督学习与逻辑推理
AnsweringcomplexFirst-OrderLogical(FOL)queriesonlarge-scaleincompleteknowledgegraphs(KGs)isanimportantyetchallengingtask.RecentadvancesembedlogicalqueriesandKGentitiesinthevectorspaceandconductqueryansweringviadensesimilaritysearch.However,mostofthedesignedlogicaloperatorsinexistingworksdonotsatisfytheaxiomaticsystemofclassicallogic.Moreover,theselogicaloperatorsareparameterizedsothattheyrequirealargenumberofcomplexFOLqueriesastrainingdata,whichareoftenarduousoreveninaccessibletocollectinmostreal-worldKGs.Inthispaper,wepresentFuzzQE,afuzzylogicbasedqueryembeddingframeworkforansweringFOLqueriesoverKGs.FuzzQEfollowsfuzzylogictodefinelogicaloperatorsinaprincipledandlearningfreemanner.ExtensiveexperimentsontwobenchmarkdatasetsdemonstratethatFuzzQEachievessignificantlybetterperformanceinansweringFOLqueriescomparedtothestate-of-the-artmethods.Inaddition,FuzzQEtrainedwithonlyKGlinkpredictionwithoutanycomplexqueriescanachievecomparableperformancewiththesystemstrainedwithallFOLqueries.
易玲玲腾讯专家研究员
演讲议题：基于GNN的社交推荐算法设计和应用
议题介绍：主要介绍GNN算法在推荐系统中的应用，利用GNN技术将社交、跨域的行为数据应用到个性化推荐中，主要从借鉴DNN的特征学习思路以及传统的网络科学的思路来优化GNN的网络结构，以提高GNN的特征学习能力，提升业务的转化效果。
纪厚业京东DMT
瞿锰蒙特利尔大学博士生
个人简介：瞿锰，现为魁北克人工智能研究院（Mila）三年级博士生，导师为唐建教授。他硕士就读于美国伊利诺伊大学香槟分校（UIUC），师从韩家炜教授；本科就读于北京大学信息科学技术学院，师从张铭教授。他的研究兴趣为：结合深度学习与统计关系学习的知识推理、知识图谱推理、图表示学习等。他在ICML、NeurIPS、ICLR、KDD、WWW等会议中发表了多篇知识推理方向的论文，提出了GMNN、pLogicNet、RNNLogic等方法。他参与提出了图表示学习算法LINE，为WWW会议在2015-2019年期间被引用次数最多的论文。
演讲议题：基于逻辑规则学习的知识图谱推理
徐冰冰中国科学院计算技术研究所
演讲议题：图神经网络的对抗攻防研究
马腾飞IBM沃森研究所研究员
个人简介：马腾飞，IBM沃森研究院研究员，本科毕业于清华大学，随后分别于北京大学和东京大学取得硕士和博士学位，研究方向为机器学习、自然语言处理和智能医疗等。他深耕图神经网络多年，近期的研究主要集中在图神经网络的可扩展性、生成模型及其在医疗、生化、自然语言处理等领域的应用。他在NeurIPS、ICLR、AAAI等人工智能国际会议上发表论文40多篇，在AAAI与KDD等会议上多次讲授关于图神经网络前沿的专题;他也是图神经网络科普书籍《图神经网络：基础与前言》的作者。
活动虽好，别忘了扫码报名哦~
4
李攀普渡大学AssistantProfessor
PanLijoinedtheDepartmentofComputerScience(CS)atPurdueUniversityasanAssistantProfessorin2020Fall.Beforethat,hegothisPh.D.inUIUCanddidone-yearpostdocinStanfordUniversity.Dr.Liisinterestedinabroadrangeofproblemsrelatedtographalgorithmsandmachinelearning.Hisrecentworksincludeestablishingspectraltheoryandclusteringalgorithmsforhigher-ordergraphs/hypergraphs,investigatingfoundationsandapplicationsofgraphneuralnetworks.Previously,hewasarecipientofECEDistinguishedResearchFellowshipatUIUC.
演讲议题：好的图表示到底是什么？
Inthistalk,wewillintroducesomerecentprogressonstudyingwhatagoodgraphrepresentationis.Weinvestigatethisproblemfromtheinformationtheoreticalpointofview.Wewillintroducehowtouseinformationbottlenecktoolstomakegraphneuralnetworkbetteringeneralizationandrobustness.Theframeworkcanbeusedinbothlabel-basedsuperivisedlearningandselfsupervisedlearning.
张文涛腾讯AngelGraph北京大学博士生
个人简介：张文涛，腾讯数据平台部AngelGraph团队成员，北京大学计算机系2020级博士研究生，师从崔斌教授。他的主要研究兴趣为图数据挖掘（包含图数据，图模型和图系统三个层面），在SIGMOD，VLDB和KDD等国际顶级会议上发表论文10余篇。另外，他也是开源的分布式机器学习系统Angel的开发者之一。
演讲议题：图注意力多层感知器
陈政道纽约大学博士生
个人简介：现在是纽约大学数学系的第五年博士生，受指导于JoanBruna教授、EricVanden-Eijnden教授和LeonBottou教授，主要研究兴趣包括图神经网络和深度学习理论。曾在Facebook和谷歌实习。
演讲议题：探索图神经网络的表达能力
议题介绍：当下，图神经网络(GNN)模型层出不穷，拥有广泛应用。为了从理论上理解它们的局限和相互之间的比较优势，我们需要对它们的表达能力(expressivepower)加以研究。我将介绍几个不同的研究角度，包括图同构测试(graphisomorphismtests)、对子图的计数(countingsubstructures)和对游走的计数(countingwalks)等。基于这些理论工作，我们提出了两个新的更具表达能力的图神经网络模型，在分子预测等任务中有优异表现。
金弟天津大学英才副教授（特聘研究员）
个人简介：金弟，天津大学智算学部英才副教授（特聘研究员），博士生导师。2012获得吉林大学博士学位，2013-2014在伯恩茅斯大学博士后，2019-2020在UIUC韩家炜老师组访问。一直从事图机器学习研究。近五年一作/通讯发表CCFA类论文20余篇，主持国家自然基金2项、国家重点研发计划子课题2项。担任AAAI/IJCAISPC,IJCAI-19社交网络分析workshopChair，IEEETransactiononBigData网络结构学习专刊GuestEditor。获CCFA类会议WWW-21最佳论文奖（Runner-up）,《自动化学报》优秀论文奖，ACM中国天津分会新兴奖,中国商业联合会科技进步一等奖。
演讲议题：面向富文本网络的图神经网络及应用
议题介绍：图神经网络自提出以来迅速得到了学术和工业界的青睐，成为AI研究热点。现实世界中的许多图（网络）数据富含文本，其不仅表现为属性词，还蕴含着丰富的词序列上下文、主题结构等语义结构信息；要对其进行更好的理解，还需深度探索其先验知识；其还时常存在着复杂的文本属性缺失现象。这些也是人类理解富文本网络时面临的问题和可用到的信息。目前基于图神经网络的富文本网络表征主要将文本视为属性，采用属性词在拓扑上传播聚合的架构，难于充分有效利用以上全面信息。本报告介绍了我们针对以上问题的一些最新研究进展，并讨论其在真实世界场景中的应用及未来发展趋势。
孙笠华北电力大学（北京）讲师
个人简介：孙笠，现就职于华北电力大学控制与计算机工程学院。本硕博均就读于北京邮电大学（2012年9月-2021年6月），于2021年6月在获得计算机科学与技术学科工学博士学位，导师为北京邮电大学副校长苏森教授。攻读博士期间，赴美国芝加哥伊利诺伊大学（UIC）联合培养，师从数据挖掘巨擘、ACM/IEEEFellowPhilipS.Yu教授。主要研究方向为社交网络分析与图机器学习，攻读博士期间参与国家重点研发计划、国家自然科学基金委联合培育项目，在人工智能与数据挖掘领域的顶级会议（AAAI、IJCAI、ICDM、CIKM）和顶级期刊IEEETKDE上发表一系列高水平学术论文。积极参与学术服务，担任IEEEBigData2019的分会场主席，ECAI2020、AAAI2021、AAAI2022和WSDM2022等顶级会议的程序委员。
演讲议题：RepresentingandAligningNetworksinHyperbolicSpaces
徐童中国科学技术大学副教授
演讲议题：视频人物社交关系图生成与应用
王敏捷亚马逊资深应用科学家
个人简介：王敏捷，亚马逊上海人工智能研究院资深应用科学家。
演讲议题：高效、易用、开放|图深度学习平台DGL介绍及展望
付浩美团算法工程师
演讲议题：面向美团业务场景的图学习平台
议题介绍：图学习技术在美团业务中有诸多落地场景。本次报告从图学习平台的层面，介绍了在图学习技术落地过程中的挑战和解决方案。
许杰腾讯高级工程师
个人简介：17年硕士毕业于华南理工大学，现为腾讯高级工程师，负责Angel图计算平台的建设
演讲议题：Angel-Graph大规模图计算平台
尤佳轩斯坦福大学博士
个人简介：2017年获清华大学自动化系、经济系本科学位，2021年获斯坦福大学计算机系硕士、博士学位。我在AI顶会发表10余篇论文(10篇一作)，引用量2300余次，h-index11。我的主要研究方向是图表征学习，包括图学习模型、图生成模型、以及图启发的深度学习模型。我曾获AAAI2017CompSus最佳学生论文奖，世界银行最佳大数据奖，并在ICML/NeurIPS/AAAI等会议上多次进行Oral/Spotlight演讲。我曾在PinterestLab,FacebookAIResearch进行实习，与何恺明、谢赛宁老师合作发表论文。我在图学习方向的开源代码在Github上广受好评，共计收获2K余star。过去1年我作为PyG团队的核心领导者之一，对PyG代码、社区、发展方向上做出诸多贡献。博士期间我曾荣获百度奖学金、JPMorgan奖学金。
个人主页：cs.stanford.edu/~jiaxuan
演讲议题：PyG2.0&GraphGym图学习平台
议题介绍：PyG是目前最受欢迎的图学习平台之一，在Github上拥有12.5Kstars，每周下载量超过200万次。PyG与PyTorch可进行原生对接，在图学习GNN论文中被广泛使用。本次演讲我会介绍PyG团队最新推出的PyG2.0版本。在该版本中，我们重点推出了对异构图学习模型的支持。此外，我们将GraphGym(另一流行的图学习代码库)深度融入了PyG，从而向用户提供更加便捷的图学习接口，以便进行图神经网络架构搜索、大规模并行实验管理等等。更多内容详见www.pyg.org
王大东TigerGraph高级研发工程师
演讲议题：图数据库安全控制
王晓伟快手AI算法研究员
演讲议题：图神经网络在推荐召回中的应用和挑战
孙仕杰腾讯高级工程师
个人简介：广东工业大学硕士学历，校招加入腾讯，工作7年，在大数据分布式系统，分布式图计算系统，实时推荐系统后台等领域有一定的设计开发经验。
演讲议题：GNN算法在推荐系统上的算法设计和系统实现
黄祥洲美团算法工程师
演讲议题：图表征学习在美团推荐中的应用
李厚意阿里巴巴(前)算法专家
个人简介：西安电子科技大学本硕，阿里巴巴前算法专家。淘宝的新一代的召回框架PDN的提出者、新一代GNN训练框架GraphTheta的创始人之一。
演讲议题：GNN算法的应用与专用训练框架
孙瑞鸿腾讯高级工程师
个人简介：孙瑞鸿，腾讯数据平台高级工程师，毕业于北京航空航天大学，毕业后加入腾讯数据平台Angel团队。开源分布式机器学习系统Angel核心开发人员，专注于AI框架、大数据、大规模分布式机器学习和图计算的研究。
演讲议题：Angel图神经网络在推荐场景下的实践
议题介绍：Angel图神经网络框架介绍，及推荐场景下的实践案例。
郭晓洁京东硅谷研究院研究科学家
个人简介：郭晓洁博士现任京东硅谷研究院的研究科学家。郭博士在2021年从美国乔治梅森大学取得信息技术与科学博士学位，博士期间的研究方向是机器学习，图深度学习和图生成。当前研究方向为机器学习和自然语言处理。其学术成果先后发表在ICLR,KDD,ICDM,CIKM,AAAI,KAIS等多个国际顶级会议和期刊上，并曾以第一作者获得ICDM‘19最佳论文奖。且她的一篇一作论文获得了ESI高被引论文。郭博士多次担任国际顶级会议(如KDD,AAAI)和期刊（如TPAMI,TNNLS,TKDE,IJIS)的程序委员会成员和审稿人。
演讲议题：基于图深度学习的自然语言处理，方法与应用
刘邦蒙特利尔大学助理教授
BangLiuisanAssistantProfessorintheDepartmentofComputerScienceandOperationsResearch(DIRO)attheUniversityofMontreal.HeisacorememberoftheRALIlaboratory(AppliedResearchinComputerLinguistics)ofDIRO,aswellasanassociatememberofMila–QuebecInstituteofArtificialIntelligence.HereceivedhisB.Engr.degreein2013fromtheUniversityofScienceandTechnologyofChina(USTC),aswellashisM.S.degreeandPh.D.degreefromtheUniversityofAlbertain2015and2020,respectively.Hisresearchinterestsprimarilylieintheareasofnaturallanguageprocessing(NLP),datamining,multimodalandmultitasklearning,AI+X(e.g.,animation,VR,health).
演讲议题：基于图学习的信息流挖掘与兴趣点建模
方泽阳百度资深研发工程师
演讲议题：基于图神经网络的知识图谱表示
议题介绍：①知识图谱算法的发展历程；②图神经网络和知识图谱算法的结合；③大规模知识图谱表示技术发展；④知识图谱的应用案例。
李宗纯度小满金融AI产品经理
个人简介：硕士毕业于伦敦帝国理工学院，目前在度小满金融科技负责AI平台产品、AI算法产品的设计及推进应用等工作。
演讲议题：图机器学习在度小满金融风控中的应用
议题介绍：①行业及技术背景介绍：包含金融科技领域风控技术发展历程；图技术在金融风控中的应用概述等；②度小满金融图平台Eros介绍：包含度小满Eros平台在图存储、图算法、图建模及图可视化等部分的功能，以及图建模案例等；③度小满图平台Eros在金融风控中的应用：如反欺诈，智能催收，智能审核等。
牛亚峰腾讯高级工程师
个人简介：本科就读于新疆大学软件学院，在校期间曾获得校级十佳大学生、“高教社”杯数学建模大赛全国一等奖等。硕士就读于重庆大学计算机学院，在校期间曾获得优秀研究生、优秀毕业典范等荣誉称号。2018年就职于腾讯，工作期间多次获得优秀员工，目前负责网址安全检测项目。
演讲议题：图神经网络在反欺诈领域的应用
议题介绍：用于电信诈骗的水房卡具有使用周期短，洗钱速度快的特点。另外从案发、事主报案、再到警方通知银行冻结，这往往会错过冻结的黄金时期，很难帮受害者追回损失。针对这一难点，我们基于黑产行为，构建时序异构图，结合异构图神经网络进行分析，提早发现恶意卡，并提前布控。互联网在给大家带来便利的同时，同时也充斥着许多违法违规的内容，例如博彩、色情、欺诈等内容，为了保护用户免受其害，我们将异构图神经网络应用在赌博、色情等恶意网站的检测中，效果十分显著。
窦英通伊利诺伊大学芝加哥分校博士生
演讲议题：基于图神经网络的欺诈检测—从研究到应用
陈振兴京东科技算法工程师
个人简介：北京大学物理学博士，FRM，在京东科技主要负责风控反欺诈模型研发，搭建了基于用户行为序列、关系网络的立体化智能反欺诈模型体系，应用于营销、交易等多个核心业务场景。在图方面，研发的图模型涉及传统图算法、GraphEmbedding和图神经网络，均在线上取得很好的业务增益。此外，将规则学习融入风控建模，大幅提升模型可解释性。
演讲议题：图机器学习在智能反欺诈上的探索与实践
韩志超eBay高级机器学习工程师
个人简介：留英硕士，eBay支付风控团队机器学习高级工程师，在金融风控领域多年研发经验。加入eBay前，在对冲基金和投资银行就职，专注于基于时序数据的决策问题。
演讲议题：图神经网络在实时风控的应用
议题介绍：①动态图的风控应用场景；②规避未来信息的离线动态图设计；③规避线上图查询的网络架构；④分布式训练的实践。
方晓敏百度资深研发工程师
演讲议题：图预训练技术在生物计算领域的应用
议题介绍：生物计算领域的数据获取成本非常高，导致许多深度神经网络未能充分发挥效果。预训练技术已在自然语言处理和图像处理中证明其卓越效果，充分利用了未标注数据去增强模型的表示能力。我们将介绍学界的图预训练方法，并介绍百度使用图预训练在生物计算领域的探索。
黄柯鑫斯坦福大学博士生
个人简介：斯坦福大学在读CSPhD，哈佛大学硕士，纽约大学本科。主要研究方向为机器学习去解决生物医疗问题。之前在Pfizer，IQVIA，DanaFarber，FlatironHealth，RockefellerUniversity等做研究。
演讲议题：图机器学习在生物图上的应用GraphMachineLearninginMolecularNetworks
Graphsareomnipresentinbiomedicine,rangingfrommacro-scalemoleculargraph,allthewaytolargeinterconnectedbiologicalknowledgegraph.Graphneuralnetworksallowanewwaytorepresentbiomedicalconceptsandthesepowerfulrepresentationscanunlocknumerousdownstreamtasks.Inthistalk,Iwilltalkaboutkeychallengesingraphmachinelearninginmolecularnetworksandseveralofourrecentalgorithmsthatcantacklethem.
史晨策蒙特利尔大学博士生
演讲议题：基于梯度向量场的分子三维结构生成
议题介绍：基于二维图结构的分子表示（节点代表原子，边代表化学键）已被广泛地应用于各种分子建模任务。然而，分子的一个更本质的表示是它们的三维结构，其中每个原子由一个三维坐标来表示。我们研究了如何基于二维分子图预测其稳定的三维结构。现有的机器学习方法通常首先预测原子之间的距离，然后生成满足这些距离约束的三维结构。然而，预测的距离往往带有误差（如不满足三角不等式），这种方法生成的三维结构往往误差较大。受传统的分子动力学模拟力场方法的启发，我们提出了一种称为ConfGF的新方法,来直接估计原子坐标密度（density）的梯度场。基于此梯度场，稳定的构象可由朗之万动力学生成。然而，这种方法非常具有挑战性，因为梯度场是旋转等价的。我们注意到，对原子坐标梯度场的估计可以转化为对原子间距离梯度场的估计。基于此发现，我们提出了一种基于分数生成模型的新算法来有效地估计这些梯度场。多个任务的实验结果表明，ConfGF超越了之前的所有机器学习模型。