LOGS第2023/09/02期|| 清华大学侯振宇：生成式图自监督学习方法探究

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。本期的嘉宾是清华大学侯振宇，他将会为我们生成式图自监督学习的精彩内容。

报告内容

报告摘要

图自监督学习为利用大量无标签数据进行神经网络训练提供了巨大的潜力。在自然语言处理和其他领域，如BERT和GPT等，生成式自监督学习已经取得了广泛的成功。然而，在图自监督学习领域，如何设计有效的生成式学习框架亟待进一步地探索。

次分享旨在介绍生成式自监督学习在图神经网络中所面临的问题，并介绍一种基于特征掩码的学习方式——GraphMAE。同时，我们将探讨该方法在图神经网络中所遇到的问题，并探索进一步的算法改进。

分享嘉宾

侯振宇，清华大学计算机系硕士生。主要研究方向包括自监督学习、图神经网络等，研究工作发表在数据挖掘国际会议和期刊 KDD、WWW、TKDE 等上发表多篇论文，曾担任KDD、WWW、AAAI等多个重要国际会议审稿人。作为团队成员获得 OGB Large scale challenge MAG240M Track @NeurIPS’22 的 Winner solution。