第十五届全国复杂性大会10月开幕，图网络机器学习分论坛招募口头报告。报告摘要一经录取，集智俱乐部资助会议注册费用。

第十五届全国复杂网络大会简介

第十五届全国复杂网络学术会议（CCCN 2019）定于2019年10月10日—12日在江苏大学召开。本次会议由中国工业与应用数学学会复杂网络与复杂系统专业委员会主办，江苏大学承办。会议的主要目的是为复杂系统与复杂网络及其相关领域的专家、学者提供学术讨论和交流的平台。

会议官网：

http://cccn2019.ujs.edu.cn/

http://cccn2019.ichaos.com.cn

图网络机器学习分论坛信息

时间：10月11日，14:00-17:40

地点：江苏省镇江市，江南大学

分论坛承办单位：北京师范大学系统科学学院，集智俱乐部

图网络机器学习分论坛介绍

在此次会议中，北京师范大学系统科学学院与集智俱乐部将共同承办主题为“图网络机器学习”的分论坛。随着机器学习技术与复杂网络研究方法的结合，图网络这样一个充满潜力的新兴领域开始蓬勃发展，近年来我们看到了这一领域取得了大量可喜的成果并逐步对多个图网络与机器学习，有可能对学术界及工业界的多个领域产生影响。

北京师范大学系统科学学院创建于2013年，学院的使命是探索复杂性，加深人类对自然与社会的认识。推进系统科学基础和前沿科学研究，培养具有综合素质和能力的高水平人才，把系统科学的学术进步转化为推动社会经济发展的力量。学院的愿景是成为国际一流的复杂性科学研究和人才培养基地，国内系统科学学科建设与发展的引领者，北京师范大学学科交叉和科研创新的重要平台。

集智俱乐部成立于 2003 年，是一个从事学术研究、享受科学乐趣的探索者的团体，也是国内最早的研究人工智能、复杂系统的科学社区。它倡导以平等开放的态度、科学实证的精神，进行跨学科的研究与交流，力图搭建一个中国的 “ 没有围墙的研究所 ”。

图网络分论坛主讲嘉宾介绍

IrwinKing 金国庆，香港中文大学

报告题目：

社交网络分析中的图嵌入：最新进展和未来方向

报告简介：

社交网络分析描述社交结构（例如社交媒体网络等）内部的社交互动，是一个至关重要且具有挑战性的研究课题。图嵌入是指保留图的结构信息的同时，将图中的元素（包括节点，边，子结构或整个图）投影到低维空间的问题。图嵌入是分析大规模社交网络的一项重要技术。为了应对现代社交媒体网络的规模不断扩大和结构多样化的问题，研究人员提出了新的图嵌入方法。在本次演讲中，我们将介绍图嵌入的最新进展和未来方向，以及在社交网络分析中的常见应用，例如节点分类，链接预测，社区检测和社交推荐。我们将介绍传统图嵌入方法（例如矩阵分解）和最近流行的基于深度学习的图嵌入方法。最后，我们将指出一些有潜力的研究方向作为未来的工作。

主讲简介：

金国庆，香港中文大学。金教授的研究兴趣包括机器学习，社会计算，人工智能，网络智能，数据挖掘和多媒体信息处理。在这些研究领域，他发表顶级期刊和会议论文累计300余篇。他现任ACM Transactions on Knowledge Discovery from Data (ACM TKDD) 副主编和 Journal of Neural Network副主编。他是国际神经网络协会（INNS）主席和IEEE院士。此外，他还是WebConf 2020, ICONIP2020, WSDM2011, RecSys2013, ACML2015的联合主席，并且在各个顶级会议（例如WWW, NIPS, ICML, IJCAI, AAAI等）担任多种职务。他是香港中文大学计算机科学与工程系教授并曾任工程学院副院长（教育）。他曾休假于旧金山的AT&T实验室从事科研工作并于加州大学伯克利分校讲授专业课程《社会计算与数据挖掘》。他于加州理工学院（帕萨迪纳）获得工程与应用科学学士学位，于南加州大学洛杉矶分校获得计算机科学的硕士和博士学位。

张江，北京师范大学

报告题目：

为什么复杂网络需要图网络

报告简介：

图神经网络简称图网络是近年来在机器学习界发展起来的一套技术，它将普通的前馈神经网络扩展到了一般的图结构上。这种新型架构不仅可以从大规模网络数据中提炼模式，而且能够可以直接进行端到端式的学习。本报告将展示用图神经网络解决传统的网络科学问题，包括连边预测，节点中心性计算，节点分类等，还包括较复杂的任务包括动力学预测和网络重构等。

主讲简介：

张江，北京师范大学系统科学学院教授、集智俱乐部创始人、集智学园（北京）科技有限公司创始人。主要研究领域包括复杂网络与机器学习、复杂系统分析与建模、计算社会科学等。曾在Nature Communications、Scientific Reports、Physical Review E、Journal of Theoretical Biology等国际知名刊物上发表过学术论文数十篇。出版专著《数字创世纪——人工生命的新科学》、译著《自然与人工系统中的适应》、校译《规模》等著作；曾主持《互联网上的集体注意力流研究》、《加权有向食物网的异速标度律研究》等多项国家级科研项目。其开创的集智俱乐部是国内外知名的学术社区，致力于复杂系统、人工智能等多领域的跨学科交流与合作，曾以集智俱乐部为冠名出版过多本著作，包括《科学的极致——漫谈人工智能》、《走近2050——注意力、互联网与人工智能》，译作《深度思考》；集智俱乐部曾影响、孕育多家人工智能创业团队，包括：彩云AI、Momenta自动驾驶团队等。

杜仑，微软亚洲研究院

报告题目：

Graph Embedding with Hierarchical Structure and Domain Adaptation

报告简介：

网络表示学习作为一种网络分析的有力工具，近年来得到了长足的发展。然而如何充分利用复杂网络本身的一些特性（如社群结构、层级结构、小世界特性等），得到语义信息更加丰富的节点表征还面临诸多挑战。另一方面，如其它机器学习任务一样，网络分析任务同样面临着标注信息稀缺的困境。本报告将分别介绍我们在利用层级结构信息进行节点表示的一些工作，以及利用域自适应的节点表征进行迁移学习，解决网络标注稀缺问题的一些尝试。

主讲简介：

杜仑，现为微软亚洲研究院DKI团队研究员，硕士毕业于北京大学信息科学技术学院。主要研究方向是网络表示学习及其在半结构化数据挖掘上的应用。曾多次发表论文到人工智能相关的顶级会议IJCAI，AAAI，WWW，CIKM等。