雷鋒網(公衆号：雷鋒網)AI研習社按：圖是一種常見的資料結構，可以被用于許多不同的預測任務。如何從圖資料學習有效特征是個重要的問題。我們的新概念是從點和邊出發，拓展到更高階的子圖結構（比如路徑、子圖）來幫助圖特征學習。這些高階的子圖結構通常具有不同的功能，事實上在一起共同構造了整個網絡，是以我們稱這些高階的子圖結構為網絡功能子產品（Network Functional Blocks）。在這次雷鋒網AI研習社公開課的分享中，我将用語義相關度搜尋（Semantic Proximity Search）作為一個應用例子，來介紹我們最近在探索不同粒度的網絡功能子產品、以進行有效圖特征學習的一些進展。
分享主題
基于網絡功能子產品的圖特征學習
分享嘉賓
鄭文琛，微衆銀行人工智能項目組專家工程師和副總經理。主要研究方向為結構化資料的特征學習和遷移學習，已在相關研究領域發表了60餘篇頂級會議和期刊論文，并擁有多項專利和技術。
在圖資料特征工程的成就獲得國際人工智能頂級會議IJCAI 2018年的Early Career Spotlight，在遷移學習應用于使用者行為識别的成就獲得國際會議ICCSE 2018年的最佳論文獎。是Cognitive Computation雜志的副主編。同時也是多個頂級人工智能國際會議的編委會委員和研讨會的組織者。
分享提綱
1、圖特征學習簡介。
2、網絡功能子產品的概念，及其在語義相關度搜尋的應用。
3、利用節點路徑作為網絡功能子產品的解決方案。
4、利用子圖擴充路徑作為網絡功能子產品的解決方案。
5、利用異質有向無環圖作為網絡功能子產品的解決方案。
6、總結。
分享時間
9月 26 日（星期三） 20:00
直播連結
http://www.mooc.ai/open/course/560
想了解更多 AI 研習社直播？
歡迎移步雷鋒網 AI 研習社社群~
雷鋒網版權文章，未經授權禁止轉載。詳情見轉載須知。
