【WWW2018】网络表示学习Tutorial(附下载)

2018 年 4 月 23 日至 27 日,第 27 届国际万维网会议(26th International World Wide Web Conference) 在法国里昂举行。斯坦福大学SNAP组在WWW2018 上举办Tutorial介绍了网络表示学习的最近进展。专知小组整理分享给大家。

WWW2018会议日常可以参见专知以前报道:

国际万维网会议WWW 2018论文列表以及会议日程,一睹为快

Tutorial



随着社交媒体的飞速发展,大规模社交网络用户的形成使得传统的网络表示方法遇到了瓶颈,由于随着深度学习技术的蓬勃发展以及受自然语言处理领域词嵌入技术的启发,自动学习网络中节点的向量表示成为近年来的研究热点。斯坦福大学SNAP组在WWW2018 上举办Tutorial介绍了网络表示学习的最近进展。

简介



网络科学研究人员传统上依赖于用户自定义的启发式算法从复杂网络中提取特征(例如,度统计degree statistics或核函数)。然而,近年来,使用基于深度学习或者其它非线性降维的技术来自动学习网络节点的低维向量表示的方法层出不穷。这些网络表示学习( NRL )摒弃了费时费力的特征工程,并且在许多基于网络的任务中取得了最好的结果,例如节点分类、节点聚类和链路预测。

在本教程中,我们将介绍NRL在过去十年中的主要进步,重点是过去两年中取得的新技术。我们将讨论基于矩阵分解的经典方法、基于随机游走的算法(例如,DeepWalk和node2vec ),以及图形神经网络(eg., GCN)的最新进展。我们将介绍单个节点的表示学习方法以及整个(子)图的表示方法。

本次Tutorial于2018年4月24日在法国里昂举办的WWW 2018上举行。

Tutorial相关材料及目录



1. 第一部分:简介

  • 什么是网络表示学习? 为什么网络表示学习如此重要?

2. 第二部分:Node embeddings节点表示

  • 在复杂网络中学习节点的低维表示(e.g., DeepWalk and node2vec)

3. 第三部分:Graph neural networks 图形神经网络

  • 将深度学习应用在非结构化的network/graph上的最近技术(e.g., 图卷积网络(GCN), GraphSAGE)

4. 第四部分:应用

  • 网络表示学习在推荐系统和计算生物学上的应用

主讲人简介



所有组织者都来自于斯坦福大学Jure Leskovec领导的SNAP组。斯坦福网络分析平台(SNAP)是一个通用网络分析和图表挖掘库。具有超过50个大型网络数据集,包括社交网络,网络图表,道路网络,Internet网络,引文网络,协作网络和通信网络等等。

1. William L. Hamilton: 斯坦福大学计算机科学博士。他的研究重点是NRL以及大规模计算社会科学应用。他是SAP Stanford研究生奖学金的获得者,Alexander Graham Bell 研究生奖学金,他的工作已经被《纽约时报》、《连线》和BBC等媒体报道。node2vec 和GraphSAGE主要作者。

2. Rex Ying:斯坦福大学计算机科学博士。他的研究重点是应用在网络数据上的深度学习算法,并将这些方法应用于推荐系统、知识图推理、社交网络和生物学等领域。他也是GraphSAGE框架共同作者。

3. Jure Leskovec:斯坦福大学计算机科学副教授。他的研究重点是分析和建模大型现实世界的社会信息网络。2008年,他在卡内基梅隆大学获得机器学习博士学位,并在康奈尔大学学习了一年。他的作品获得了五项最佳论文奖,赢得了ACM KDD杯,并在传感器网络竞赛中脱颖而出。

4. Rok Sosic: 斯坦福大学高级研究员,致力于大规模网络分析的SNAP工具的开发与推广。他发表了50多篇论文,包括Supercomputing'95的最佳论文和高性能分布式计算领域的10篇顶级论文。他在犹他大学计算机科学博士学位,并于2012年加入斯坦福大学。

参考链接:

http://snap.stanford.edu/proj/embeddings-www/

https://www2018.thewebconf.org/program/

PPT详细内容



附上第一部分和第二部分PPT内容

-END-

原文发布于微信公众号 - 专知(Quan_Zhuanzhi)

原文发表时间:2018-04-25

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏量子位

论PS的功力,英伟达的AI这次谁也不服

前一阵子,流传过这样一个段子:“甲方不要PS!让我们用Photoshop做!”足以说明开头的结论。

12320
来自专栏量子位

学AI的高中生还有5秒钟到达战场,请90后叔叔阿姨做好准备

这本给高中生的人工智能选修教材让许多人惊诧:现在高中生都这么前沿了么?甚至在海外,也有许多网友将其视为中国AI进一步崛起的一个证明。

12810
来自专栏大数据文摘

【译】图论科学家教你如何安排婚礼座次

25480
来自专栏AI科技大本营的专栏

《自然》杂志医疗AI领域最新成果系列二:关于皮肤患者的AI解决方式

图片来源:CDAPEX 编译 | Ziqi Zhang 编辑 | Donna 【AI科技大本营导读】澳大利亚阿德莱德大学的在读医学博士生、放射线学专家Luke...

39960
来自专栏企鹅号快讯

NLP入门:为什么草莓和西瓜更亲?

“噢我的上帝,比尔你再这样,我可要踢你的屁股了。” 如果你看过译制片,一定知道尴尬的翻译难免会让人出戏。 世界上有不同的文化,为了实现更好的沟通,学习对方的语言...

408130
来自专栏钱塘大数据

【推荐阅读】如何看穿数据可视化的谎言?

以前我们看到一个做得很烂的图表,或者穿帮的数据可视化作品时,往往是将它们嘲笑一番也就算了。但有些时候,尤其是刚过去的这一年,我们好像更难分辨一个可视化作品是单纯...

31870
来自专栏龙行天下CSIEM

科学瞎想系列之五十九 变频调速与节能

节能是当今的热门话题之一,所谓节能就是达到同样的目的和效果,所消耗的能量尽量减少。节能的技术不胜枚举,变频调速就是最常见的一种。我们先看看变频调速是怎么节能的。...

29750
来自专栏量子位

Google开启全新图像目标检测大赛,场景多样性和复杂度史无前例

12520
来自专栏数据科学与人工智能

【应用】信用评分卡:逻辑回归

几年前,我和妻子在英格兰和苏格兰度过了几个星期的假期。就在登上英国航空公司的飞机之前,一名空姐告诉我们,我们已升级为商务舱。快乐!度假真是一个美好的开始。一旦我...

23830
来自专栏机器学习算法与Python学习

浪潮发布最新深度学习框架CAFFE-MPI

德国当地时间6月20日,与英特尔宣布第二代至强Phi芯片“Knights Landing”(以下称KNL)正式上市同步,浪潮在刚刚举行的第31届国际超算大会(I...

41580

扫码关注云+社区

领取腾讯云代金券