[直播回放&PPT] KDD & OGB 图神经网络竞赛：赛题解读，新手包，榜一经验

回放视频和PPT在最后面。

image-20210316220952405

KDD联合OGB等一众大佬(见下图)组织了KDD Cup 2021， 这是一场关于大规模图机器学习的竞赛。

image-20210316221359193

含金量很高，能刷到榜一的可以说是地表最强图神经网络。比赛项目涵盖了各种图机器学习任务，包括节点级别，边级别和图级别。

为了方便大家上手参加OGB竞赛，我们组织了如下的直播分享：

KDD Cup OGB赛题讲解/新手包/前榜一经验分享

KDD Cup & OGB竞赛 赛题讲解/新手包/前榜一经验分享，安排如下：

1. DGL 甘全：赛题介绍，新手包介绍
2. KAUST 李国豪：模型，榜一经验介绍 (OGB涨点技巧)
3. UCLA 胡子牛：模型，榜一经验介绍
4. 南大 刘子腾：化学相关的赛题，知识和模型
5. 清华 关超宇：AutoGL，自动图机器学习，大规模数据怎么调参

个人介绍& 主题介绍

DGL 甘全

甘全，亚马逊上海AI研究院应用科学家。研究方向为大规模图网络上深度学习的模型研究与系统开发。图神经网络框架DGL的核心开发成员之一。此前在复旦大学获得本科学位，并于纽约大学获得硕士学位。

本次主讲OGB KDD Cup 2021的基线模型介绍与训练感受。大纲如下：

• OGB KDD Cup 2021任务简介与数据探索
  • 节点分类 - MAG240M
  • 知识图谱补全 - WikiKG90M
  • 分子性质预测 - PCQM4M
• DGL OGB新手包，包括模型介绍、训练感受与硬件配置
  • 节点分类 - RGAT模型介绍
  • 知识图谱补全 - DGL-KE介绍
  • 分子性质预测 - GIN/GCN介绍

KAUST 李国豪

李国豪，阿卜杜拉国王科技大学（KAUST）在读计算机科学博士生，是Bernard Ghanem教授领导的IVUL实验室成员之一。曾在商汤科技、Intel ISL实习。目前主要研究兴趣为图深度学习，计算机视觉和机器人学习。相关工作发表于国际会议期刊RSS，ICCV，CVPR和TPAMI。

大纲：

• DeeperGCN模型介绍和设计经验
• OGB提点技巧

Github: https://github.com/lightaime/deep_gcns_torch/tree/master/examples/ogb

注：DeeperGCN在ogbn-products上霸榜了三个月！

UCLA 胡子牛

胡子牛，UCLA博士三年级，导师Yizhou Sun。研究方向是图与符号推理。

主要分享内容：

• HGT模型介绍及图采样算法
• Generative and Contrastive 图预训练

南大 刘子腾

刘子腾，南京大学化学化工学院理论与计算化学研究所（ITCC）博士研究生，导师是马晶教授，研究方向为利用机器学习研究分子与材料的电子结构性质，曾获得Alchemy Contest比赛冠军，在JCIM、AM、Chem等期刊上发表SCI论文10余篇。

本次报告中将简单介绍：

1. 包含QM9、Alchemy和OGB/PCQM4M-LSC等在内的多个量子性质分子图数据集
2. 分子电子结构性质中HOMO-LUMO能隙模拟有关的量子力学理论
3. 一种结合物理描述符与“注意力”机制的新型图卷积神经网络算法DeepMoleNet（Alchemy算法比赛冠军方案）。

img

清华 关超宇

关超宇，清华大学硕士二年级，朱文武教授研究生，AutoGL开源库（https://github.com/THUMNLab/AutoGL）主负责人。研究方向为神经网络架构搜索、自动机器学习与NLP数据、图数据应用。目前以一作身份发表NAACL、ICML等A类会议论文2篇，AAAI、ICLR等workshop2篇。多次带队参与AutoML相关竞赛，曾获NeurIPS AutoWSL挑战赛亚军、AAAI MetaDL挑战赛冠军。2020.06开始主导AutoGL开源库的构建、维护工作，目前star 600+。

此次主题分享的主要内容为开源库AutoGL的简要介绍与实践，内容主要包括：

1. AutoGL框架概览
2. 各模块支持的方法介绍
3. 安装、使用方法