今年已过半，AI 科技评论携手各大高校、企业研究机构为大家带来了100多场顶会论文直播，包括 AAAI、ICLR、ICML、CVPR、ACL、KDD、ECCV 等一系列 AI 学术顶会。
如今，我们又将迎来 IJCAI 2020 的首场论文直播！
本场直播的主题是：“社区发现的深度学习方法：进展、挑战、机遇”。论文由数据挖掘领域大牛 Philip S. Yu 携手悉尼麦考瑞大学、澳大利亚联邦科学与工业研究组织Data61部门、中国科学院、武汉大学的研究者共同完成。
论文地址：https://www.ijcai.org/Proceedings/2020/693
社区发现（Community Detection），简单来说就是从网络 G 中发现社区集合 C。该网络指的是一种特殊的图，对现实世界中的系统（例如，互联网、学术合作网络以及社交群组）中的复杂关系进行了抽象。
社区发现作为网络科学领域中一个经久不衰的重要问题，随着深度学习时代的到来，该领域的研究者也逐渐从传统的统计推断（例如，随机分块模型）和传统机器学习（例如，谱聚类）方法中解放了出来。
深度学习因其处理高维图数据的强大能力，能极大地提升了社区发现的性能。近五年来，用于社区发现的深度学习方法，被广泛地研究。
那么，深度学习时代的社区发现工作有哪些特点，研究者们遇到了哪些挑战，有哪些前景光明的研究方向呢？
Philip S. Yu 团队在这篇论文中，不仅全方位地回顾了模型和算法研发方面相应的技术趋势，并详细阐述了基于深度学习领域的社区发现进展，还指出了将深度学习用于社区发现任务时存在的七个重大挑战——这在一定程度上将为下一代社区发现研究指明方向。
对于社区发现领域的研究者而言，这篇顶会综述文章非常值得一读。
8月12日晚19点，AI 科技评论特意邀请到了论文一作——悉尼麦考瑞大学的博士研究生刘凡桢带来首场 IJCAI 系列直播，对这篇文章进行深度解读！
另外，跟数据挖掘领域大牛 Philip S. Yu合作又是一种什么体验呢？刘凡桢也能跟大家分享分享在跟 Philip S. Yu 合作的经历和故事哦~ 机会不容错过！
分享主题：社区发现的深度学习方法：进展、挑战、机遇
分享嘉宾：刘凡桢，悉尼麦考瑞大学博士研究生
分享时间：2020年8月12日晚19:00（悉尼时间晚21:00）
分享背景：社区发现（Community Detection）是网络科学领域中一个经久不衰的重要问题。随着深度学习的发展，研究者们逐渐从传统的统计推断和谱聚类等方法中解放了出来。
在本次公开课中，讲者将分享深度学习时代的社区发现工作的进展、挑战，以及前景光明的研究方向。
分享提纲：
问题背景介绍
研究动机
研究现状
挑战和机遇
总结与展望
GitHub 资源库 https://github.com/JiaWu-Repository
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“IJCAI 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。
