图学习视角下的开放环境表征学习初探

活动介绍

上海白玉兰开源开放研究院发起的“青年学者论坛”，意在为国内外大数据及人工智能领域的优秀青年学者，搭建一个非正式交流平台。我们诚邀发表在国际顶会的论文作者，以第一视角介绍其学术观点、研究细节、成果展现、相关领域前沿方向等话题，促进观点碰撞及交流合作。

此次是“青年学者论坛”第十八期活动，青年学者论坛讲师及志愿者持续招募中。如有意愿，请与我们联系，欢迎广大同学们积极参与。
Email：chengh@baiyulan.org.cn （邮件主题：青年学者论坛）
微信：chhao01 （验证消息：青年学者论坛）

• 摘要

目前的机器学习问题和方法大多假设封闭的训练-评测准则，即训练集与测试集共享同样的输入/输出空间，测试数据中出现的实体和特征都在训练阶段被模型接触过。然而现实中的许多场景要求模型与开放动态的环境进行交互，包括但不限于：推荐系统中会出现新的用户/商品，在线广告系统中随着新平台的引入会产生新的用户画像/行为特征，医疗诊断中需要为新研发的药物或组合选择合适的适用人群。上述情形所面临的核心问题和挑战是模型在不进行重新训练（非常耗时）或微调（存在遗忘风险）的限制下，如何从训练阶段接触的有限观测集泛化到新的观测集上。本次报告将介绍最新的两项研究工作，从图表示学习与图结构学习的视角，为开放世界的学习问题探索一套新的解决方案，并从理论和实践两个维度给出分析和讨论。此外，还将讨论沿着目前的方法论可能存在的拓展方向，以及对其他应用领域的适用潜力，作为未来的展望。

• 相关论文
  1.Qitian Wu, Chenxiao Yang, Junchi Yan, Towards Open-World Feature Extrapolation: An Inductive Graph Learning Approach, Advances in Neural Information Processing Systems (NeurIPS’21)
  2.Qitian Wu, Hengrui Zhang, Xiaofeng Gao, Junchi Yan, Hongyuan Zha, Towards Open-World Recommendation: An Inductive Model-Based Collaborative Filtering Approach. International Conference on Machine Learning (ICML’21).

活动安排

讲师介绍

吴齐天，上海交通大学人工智能研究院博士生, 吴文俊人工智能荣誉博士班成员, 指导老师是严骏驰副教授。研究方向为机器学习和数据挖掘，特别是针对复杂结构数据的建模、表示和推理。目前以第一作者在ICML/NeurIPS/KDD/WWW/IJCAI/CIKM等会议发表论文10篇。获评微软学者奖学金（亚洲仅11人）、百度奖学金（全球仅10人）以及全球AI百强新星。曾获得国家奖学金（2次）、校级A等学业奖学金（2次）、唐立新奖学金以及杨元庆奖学金。本科期间曾获得美国大学生数学建模竞赛特等奖（最高奖）与INFORMS冠名奖，全国数学建模竞赛全国二等奖，以及全国大学生物理竞赛上海市一等奖。其他信息详见个人主页https://qitianwu.github.io/。

评议人

于天舒，香港中文大学（深圳）数据科学学院助理教授, 博士毕业于亚利桑那州立大学。主要研究兴趣为针对组合和离散问题的机器学习，时序数据的机器学习。以一作身份于ICML、Neurips、ICLR、CVPR、ECCV等会议或期刊发表论文8篇，详见个人主页https://mypage.cuhk.edu.cn/academics/yutianshu/。

合作媒体

• CSDN
• 思否
• 掘金
• 数据与智能
• 示说

独家报名平台