今天19:30 | NeurlPS 2022 预讲会-北京邮电大学GAMMA LAB专场

点击蓝字

关注我们

AI TIME欢迎每一位AI爱好者的加入！

哔哩哔哩直播通道

扫码关注AI TIME哔哩哔哩官方账号预约直播

10月13日 19:30-20:30

讲者简介

刘念：

北京邮电大学GAMMA Lab三年级硕士生

北京邮电大学GAMMA Lab实验室三年级硕士生，导师为石川教授。主要研究方向为，图神经网络，图自监督学习等。目前已经在NeurIPS，WWW，KDD等顶会，TKDD，TNNLS等期刊发表论文。

报告题目

图对比学习的“游戏规则”：谱图分析的视角

报告简介

图对比学习（GCL）旨在通过增广原始图学得节点表征，目前已得到广泛关注。尽管图增广技术已经得到了很大发展，一些基本问题仍未解决：GCL本质上编码了怎样的信息？不同增广背后是否有统一的准则？如果有，是什么样的准则？这些准则又能带给我们怎样的认知？在本文中，我们通过建立GCL和图谱之间的关系来回答上述问题。通过谱域中的一个实验研究，我们首先发现了GCL的一般增广准则（GAME准则），即两个增广图间，高频部分的差异要大于低频部分的差异。这个准则揭示了图对比学习的本质，让我们能回顾当前图增广机制并以此设计新的图增广策略。之后，我们提出对比不变理论，证明GCL能够学得对比视图间的不变信息。结合GAME准则，我们首次揭示了通过GCL学得的表征本质上编码了低频信息，解释了GCL为什么有效。依据该准则，我们提出插件式的谱图对比学习模型（SpCo），并与当前不同的GCL模型相结合，充分验证了模型的有效性。

讲者简介

范少华：

北京邮电大学GAMMA Lab四年级博士生

北京邮电大学GAMMA Lab四年级博士生，Mila联培博士，导师为石川教授。主要研究方向为因果图神经网络，因果机器学习等。目前已在NeurIPS, KDD, WWW, TNNLS等会议期刊发表一作论文。

报告题目

基于解耦因果子结构学习的去偏差图神经网络

报告简介

大多图神经网络(GNNs)通过学习输入图和标签之间的相关性来预测不可见图的标签。然而，通过一个在有严重偏差训练图上的图分类探究实验，惊奇的发现，即使因果相关性一直存在，GNN还是更倾向于利用虚假相关性做预测。这意味着目前在这样有偏差数据上训练得到的图神经网络具有很差的泛化性能。通过以因果视角分析该问题，可以发现解耦和去相关因果和偏差隐变量对于去偏差是至关重要的。受启发于此，我们提出了一个通用的图神经网络解耦框架以学习因果和偏差子结构。具体而言, 我们设计了一个参数化的边掩码生成器来显示的将输入图划分为因果和偏差子图。然后训练两个由因果/偏差感知损失函数监督的GNN模块以编码因果和偏差子图的信息到对应的表示中。给定了解耦的表示，我们合成反事实无偏样本以进一步去除因果和偏差变量之间的相关性。此外, 为了更好地基准测试严重偏差问题，我们构造三个新的数据集, 其有偏差可控制并且易于可视化和解释的特点。实验结果很好的证明了我们提出的方法比现有基线方法有优越的泛化性能。此外，由于学到的边掩码，提出的方法有吸引人的可解释性和可迁移性。

讲者简介

王睿嘉：

北京邮电大学GAMMA Lab四年级直博生

北京邮电大学GAMMA Lab四年级直博生，导师为石川教授。主要研究方面为药物设计，图神经网络等。目前已在NeurIPS、TKDE、WWW、AAAI等会议或期刊发表一作论文。

报告题目

揭示图对比学习的结构公平性

报告简介

图对比学习 (GCL) 继承了图卷积网络 (GCN) 和对比学习的优势，已成为一种流行的自监督节点表示学习范式。节点表示学习对结构公平性有所要求，即在度低和度高节点上都有良好的性能表现。但最近研究表明，GCN 常对度低节点的预测性能较差，在节点度呈现长尾分布的图上表现出结构不公平。那么GCL 针对节点度的表现又如何呢？我们的工作惊喜地发现GCL 方法获得的节点表示在度偏差上已经比 GCN 更公平。为此，我们从理论上证明这种公平性源于GCL社区内集中和社区间分散的特性，这种更加清晰的社区结构使得度低节点远离社区边界。基于理论分析，我们进一步设计了图对比学习模型GRADE，将不同策略应用于度低和度高节点。在各种基准数据集和评测方式下，实验验证了所提出模型的有效性。

直播结束后大家可以在群内进行提问，请添加“AI TIME小助手（微信号：AITIME_HY）”，回复“NIPS”，将拉您进“AI TIME  NeurlPS交流群”！

AI TIME微信小助手

主       办：AI TIME 

合作媒体：AI 数据派、学术头条

合作伙伴：智谱·AI、中国工程院知领直播、学堂在线、蔻享学术、AMiner、 Ever链动、科研云

往期精彩文章推荐

记得关注我们呀！每天都有新知识！

 关于AI TIME 

AI TIME源起于2019年，旨在发扬科学思辨精神，邀请各界人士对人工智能理论、算法和场景应用的本质问题进行探索，加强思想碰撞，链接全球AI学者、行业专家和爱好者，希望以辩论的形式，探讨人工智能和人类未来之间的矛盾，探索人工智能领域的未来。

迄今为止，AI TIME已经邀请了800多位海内外讲者，举办了逾400场活动，超400万人次观看

我知道你

在看

哦

~

点击 阅读原文 预约直播！