报告人：王啸

报告人简介：

现在为清华大学计算机科学与技术系博士后，研究方向为社交网络分析、数据挖掘与机器学习。于2016年在天津大学获得博士学位，博士期间在美国圣路易斯华盛顿大学联合培养一年。在2017年获得国家自然科学基金青年基金资助。五年以来在人工智能相关顶级会议和期刊上发表论文20余篇,其中CCF-A类、JCR二区以上权威期刊15篇,包括一作及通讯论文8篇。以上论文在学术界引起了广泛重视,已被IJCAI、NIPS、IEEE T-NNLS、IEEE T-SC等重要学术会议和权威期刊论文引用140余次(Google Scholar)。同时担任AAAI2017程序委员会成员,国际期刊IEEE Transactions on Cybernetics,IEEE Transactions on Big Data 及Neurocomputing等多个权威杂志审稿人,并获得计算机科学杂志2016年度优秀审稿人奖。

报告摘要：

现实社会的很多复杂系统都可以构建为网络形式，因此针对网络的各种应用也成为近年的热点之一，其中网络表征学习成为沟通网络数据与网络应用的重要一环。本报告主要介绍了网络表征学习的背景及基本要求，并从如何在低维嵌入空间中如何保持网络结构及性质两个基本要求出发，介绍了保持高阶网络结构的网络表征学习模型、保持社区结构的网络表征学习模型、保持超边的超网络表征学习模型及保持非对称传递性的网络表征学习模型等。