众所周知，国内外在学术科研思路和方法上都存在许多不一样的地方，而这些不同之处在各自的科研成果上能够得到很好的体现。
7月16日，AI 科技评论将携手分别来自麦考瑞大学计算机学院AI实验室以及中国科学院信息工程研究所的两位同学，为大家带来连续两场直播，分享他们比较有代表性的两篇 ICDM 工作。
其中，麦考瑞大学博士研究生王琪将带来主题为“社交网络中的信任预测”的分享，这项工作受同质理论的启发， 提出了一种全新的结合了用户评论行为和该用户感兴趣的商品特征的深度用户模型，来进行用户相似性度量并最终实现信任预测。王琪师从麦考瑞大学教授杨坚和麦考瑞大学终身助理教授吴佳。
杨坚教授现任澳大利亚麦考瑞大学计算机学院教授，迄今为止已在国际会议及期刊发表了200多篇高水平论文，包括IEEE Transactions、ACM Transactions、ICDE、 ICDM、CIKM等，与此同时，她还担任多个国际期刊的常规审稿人。吴佳教授现任澳大利亚麦考瑞大学终身助理教授，武汉大学珞珈学者讲座教授。他在领域内著名国际期刊和会议发表论文100+篇, 目前还担任 ACM Transactions on Knowledge Discovery from Data (TKDD) 副主编。
同作为国际期刊和会议的论文高发作者，两位教授不仅是各大 AI 和数据挖掘学术顶会上的常客，近年来更指导麦考瑞大学的硕士、博士生聚焦社交网络、图挖掘、图神经网络等研究领域，在 IJCAI、ICDM 、 ICDM、CIKM、AAAI 、KDD 等会议上发表了数篇颇具影响力的成果。
另一位来自中国科学院信息工程研究所的博士生林希珣，则介绍另一个主题的工作：对抗知识嵌入（AKE）。这项工作针对的痛点是，知识图谱常用的现存嵌入对齐模型没有考虑实体嵌入的空间形状，导致在仅有少量已知种子的情况下对齐效果并不理想。
想了解麦考瑞大学AI实验室&中国科学院信息工程研究所的最新工作，探讨国内外学术研究的差异性以及对上述两个研究主题感兴趣的同学们，可都不要错过哦！
直播一：通过对抗知识嵌入指导跨语言实体对齐（Trust Prediction in Online Social Networks）
分享嘉宾：王琪
分享时间：7月16日（星期四）上午9:00-10:00（北京时间）
分享背景：
在线社交网络中的信任预测对于信息传播，产品推广和决策至关重要。然而，社交网络中显示的信任关系往往非常稀疏， 如何尽可能的减小数据稀疏带来的影响以提高信任预测的准确性是一个非常有挑战性的问题。本次分享介绍 ICDM 2019 的一项工作 DeepTrust，该工作受同质理论的启发， 提出了一种全新的结合了用户评论行为和该用户感兴趣的商品特征的深度用户模型来进行用户相似性度量并最终实现信任预测。它是一个全面的数据稀疏度不敏感模型，并且可以广泛地应用于其他研究领域，例如信任感知推荐，社交影响最大化，市场营销等。
分享提纲：
问题背景介绍
相关工作介绍
研究动机&模型设计
实验结果与分析
工作总结与前景
Github 资源库
直播二：通过对抗知识嵌入指导跨语言实体对齐（Guiding Cross-lingual Entity Alignment via Adversarial Knowledge Embedding ）
分享嘉宾：林希珣
分享时间：7月16日（星期四）上午10:30-11:30（北京时间）
分享背景：
基于知识嵌入的对齐模型是一类非常流行的识别不同语种知识图谱中相同实体的方法。但是现存的嵌入对齐模型没有考虑实体嵌入的空间形状，导致在仅有少量已知种子的情况下对齐效果并不理想。本次分享介绍 ICDM 2019 的一项工作：对抗知识嵌入（AKE）。AKE在学习实体对齐的过程中通过减少源域和目标域的嵌入分布距离，保持了实体嵌入在不同空间下的近似同构性质，使得学习到的实体表示更加鲁邦。在真实数据集中, 对比其他实体嵌入对齐模型，AKE取得了更好的实验结果。
分享提纲：
问题背景介绍
模型介绍
实验结果与分析
工作总结与前景
Github 资源库
如何加入？
扫码关注[ AI研习社顶会小助手] 微信号，发送关键字“ECCV 2020+直播”，即可进群观看直播和获取课程资料。
雷锋网版权文章，未经授权禁止转载。详情见转载须知。
