1月4日： 杨洋
发布时间：2018-12-29 浏览量：2942
报告题目：面向社交网络的表示学习
报告人： 杨洋 浙江大学
主持人： 张伟 副研究员
报告时间：2019年1月4日 周五15:30-16:30
报告地点：理科大楼B1002
报告人： 杨洋 浙江大学
主持人： 张伟 副研究员
报告时间：2019年1月4日 周五15:30-16:30
报告地点：理科大楼B1002
报告摘要：
近年来网络表示学习受到了学术界及工业界的广泛关注。良好的网络表示形式是社交网络挖掘的基础，而表示学习通过将给定的网络投影至一个隐空间，利用隐空间中的向量以表示网络中的结点，并且使得结构、语义相似的结点在隐空间中足够接近。然而，已有的算法往往针对的是传统的网络，而难以捕捉社交网络所特有的性质。本次报告介绍如何针对社交网络的动态性（网络结构随时间发生改变）和无标度性（结点的度服从长尾分布）设计相应的表示学习算法，并将成果应用于链接预测、结点分类等场景中。
报告人简介：
杨洋，浙江大学计算机学院副教授，2016年获清华大学计算机科学与技术专业博士学位，被授予中国电子学会优秀博士学位论文、清华大学优秀博士毕业论文、北京市优秀博士毕业生等荣誉，博士期间访问美国康奈尔大学、比利时鲁汶大学。主要研究社交网络挖掘，具体包括网络异常检测、网络表示学习、信息传播建模等，在KDD、WWW、AAAI、TOIS等国际顶级学术会议及期刊上发表论文20余篇，曾担任KDD、WWW、AAAI、CIKM、WSDM、ICWSM、ASONAM等国际学术会议程序委员会委员。
杨洋，浙江大学计算机学院副教授，2016年获清华大学计算机科学与技术专业博士学位，被授予中国电子学会优秀博士学位论文、清华大学优秀博士毕业论文、北京市优秀博士毕业生等荣誉，博士期间访问美国康奈尔大学、比利时鲁汶大学。主要研究社交网络挖掘，具体包括网络异常检测、网络表示学习、信息传播建模等，在KDD、WWW、AAAI、TOIS等国际顶级学术会议及期刊上发表论文20余篇，曾担任KDD、WWW、AAAI、CIKM、WSDM、ICWSM、ASONAM等国际学术会议程序委员会委员。
快速通道:
