LOGS第2023/09/02期|| 复旦大学许嘉蓉：何时需要预训练图神经网络？

独行速，众行远。图学习研讨会（LOGS）公众号不定期地举行图学习以及机器学习相关的研讨会，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。如果您有相关的研究， 想要研讨与分享，或者有感兴趣的topic和论文也欢迎给我们留言。本期的嘉宾是来自复旦大学的许嘉蓉，她将会为我们图预训练的精彩内容。

报告内容

报告摘要

近年来，预训练图神经网络作为一种解决图机器学习任务中标签数据稀疏问题的潜在方法，受到了广泛关注，应用图预训练模型变得尤为重要。然而，在实际应用中，我们发现将图预训练模型适配到不同的下游任务时，经常会遇到负迁移的问题，本次报告将从何时需要进行图预训练开展讨论。基于此，提供了三个应用场景：（1）确定图预训练模型的适用范围，（2）量化图预训练的可行性指标，以及（3）挑选预训练数据的解决方案。

分享嘉宾

许嘉蓉，复旦大学青年副研究员。主要研究方向包括图数据挖掘、隐私计算等，研究工作发表在人工智能顶级会议和期刊KDD、AAAI、NeurIPS、IJCAI、IEEE TKDE、ACM TKDD等上，担任KDD、NeurIPS、WWW、AAAI、WSDM、TKDE等多个重要国际会议及期刊评审。