图学习研讨会（LOGS）公众号会不定期地举行图学习相关的研讨会，邀请相关领域的专家，一线科研人员和顶会论文作者进行分享，希望能够给大家提供一个相互交流，研讨，和学习的平台。这一期我们邀请到了来自华为诺亚方舟实验室的周敏研究员，她将为我们带来一期曲率视角下的图数据建模与分析的精彩报告。下面是报告的具体安排：
曲率描述了物体的“弯曲”程度。基于不同空间的建模蕴含了对数据分布的不同假设，“弯曲”的曲率空间（如双曲空间和球形空间）由于具备更强的表征能力受到了广泛的关注。本次的讲座首先会介绍曲率的概念以及不同曲率下的连续空间和网络数据的形态，并进一步介绍曲率在图数据建模与分析中的相关应用与研究。
周敏 华为诺亚方舟实验室 高级研究员。本科毕业于中国科学技术大学自动化系，博士毕业于新加坡国立大学工业系统工程与管理系。主要研究方向为序列数据、图数据挖掘与分析。研究和应用成果申请专利多项，并在KDD, ICDE, SIGIR，WWW, Automatica等会议和期刊发表论文多篇。
1. Comparative analysis of two discretizations of Ricci curvature for complex networks. Scientific Reports.
2. Curvature Graph Network. ICLR 2020
3. Hyperbolic graph convolutional neural networks. NeurIPS 2019
4. HRCF: Enhancing collaborative filtering via hyperbolic geometric regularization. WWW 2022
5. Discrete-time temporal network embedding via implicit hierarchical learning in hyperbolic space. KDD 2021
内容中包含的图片若涉及版权问题，请及时与我们联系删除
评论
沙发等你来抢