报告题目：双曲空间图表示学习及其应用

报告时间：2023年11月20日上午10:00

报告地点：bat365官网登录入口B404会议室

报告人：冯山山

报告人国籍：中国

报告人单位：新加坡科技研究局

报告人简介：冯山山博士，现任新加坡科技研究局(A*STAR)前沿人工智能研究中心资深科学家。2011年本科毕业于中国科学技术大学信息科学与技术学院，2017年博士毕业于新加坡南洋理工大学计算机科学与工程学院。其主要学术研究方向为人工智能、时空数据挖掘、图表示学习等。已在包括TPAMI、TKDE、TOIS、TNNLS、TGRS、SIGKDD、 SIGIR、ICDE、CVPR等在内的高水平国际期刊和学术会议上发表50余篇学术论文,其中CCF-A类论文20余篇。担任SIGKDD、ICDE、SIGIR、IJCAI、AAAI、MM、SDM、ICDM、CIKM等会议的程序委员会委员以及TKDE等期刊的审稿人。

报告摘要：图表示学习旨在学习低维节点表示以保留原始图结构和节点特征，引起了学术界和产业界广泛的研究兴趣。然而，大多数现有模型往往利用欧氏空间来学习每个节点的低维特征，这不能有效地刻画复杂的网络拓扑信息，例如层次结构。不同于传统的欧氏空间方法，双曲空间能够利用负曲率空间中的独有几何特性来刻画复杂网络中的层次结构信息。本次讲座主要介绍双曲空间的几何特性，双曲空间图表示的技术原理和研究动态，以及双曲空间图表示的相关应用，并探讨其在计算机视觉等任务中的应用和发展。

邀请人：董性平