本次分享邀请蚂蚁集团的讲者分享图神经网络在金融反欺诈方面的技术及应用，涉及图风控、图学习的工程系统、图增强技术以及基于图的金融数字孪生等。
为了探讨图神经网络在算法神经化求解的发展与现实应用，集智俱乐部联合国防科技大学系统工程学院副教授范长俊、中国人民大学高瓴人工智能学院助理教授黄文炳，共同发起「图神经网络与组合优化」读书会。读书会将聚焦于图神经网络与算法神经化求解的相关领域，包括神经算法推理、组合优化问题求解、几何图神经网络，以及算法神经化求解在 AI for Science 中的应用等方面，希望为参与者提供一个学术交流平台，激发参与者的学术兴趣，进一步推动相关领域的研究和应用发展。读书会从2023年6月14日开始，每周三晚 19:00-21:00 举行，持续时间预计8周。欢迎感兴趣的朋友报名参与！
反欺诈是金融行业很关键的业务需求。由于欺诈者手段逐渐变化，目前团伙欺诈现象显著增多，因此基于图的结构可以更有效地发现不同欺诈用户、账户之间的关联，提高反欺诈的业务效果。图的拓扑结构、属性特征，都是基于图的反欺诈技术方案的重要考虑因素，但在实际业务中，时效性、数据缺失或噪声、策略规则的可解释性/可推理性，都会影响反欺诈业务的效果和效率。本次分享从技术和工程方面介绍动态图学习、子图挖掘、图增强技术、属性和特征生成以及数字孪生等内容。
黄振，清华大学计算机系硕士。现任蚂蚁集团信贷事业群高级算法专家，负责风管技术部算法。
崔安颀，清华大学计算机系博士，研究方向包括大数据、人工智能、统计数据挖掘等。现任蚂蚁集团图计算团队高级解决方案架构师，负责蚂蚁图平台产品商业化解决方案。
张开，东南大学硕士，目前主要研究大数据、图计算、AI计算等。现任蚂蚁集团信贷事业群高级技术专家，负责风管图智能以及新计算平台。
2023年7月26日（本周三）晚上19:00-21:00
扫码参与图神经网络与组合优化读书会，加入群聊，获取系列读书会回看权限，成为图神经网络社区的种子用户，与社区的一线科研工作者与企业实践者沟通交流，共同推动图神经网络社区的发展。
• 策略：一个策略由一系列的规则组成，例如，年龄<XX岁 ==> 拦截=是，年龄>XX岁 and 风险等级<N ==> 拦截=否。
• 异构图（Heterogeneous Graph ）：点或边类型的数目大于1的图。
• 元路径（metapath）：一条 A_1 =[R_1]=> A_2 =[R_2]=> … =[R_{l-1}]=> A_l 的路径。
• 异构图增强（Heterogeneous Graph Augmentation）：给定一个异构图G，找到一个映射 
，使得 
可以用来提高异构图学习模型的泛化能力。
• 图仿真与回溯：风控需要历史的测算进行评价，仿真实际上对应回测概念，图仿真即站在历史时刻那个窗口概念，去看当时时刻图的快照对应的图计算值。
• 子图挖掘的模式：子图挖掘的子图从技术属性可以理解为图的模式Pattern，从业务语义可以理解为欺诈风控的行为模式。
1.Zhou, Yuchen, Yanan Cao, Yongchao Liu, Yanmin Shang, Peng Zhang, Zheng Lin, Yun Yue, Baokun Wang, Xing Fu, and Weiqiang Wang. “Multi-Aspect Heterogeneous Graph Augmentation.” In Proceedings of the ACM Web Conference 2023, pp. 39-48. 2023.
这篇论文提出了一个用于异构图数据增强的框架MAHGA，是首个探索异构图数据增强的工作，从网络模式和元路径两个方面设计了增强策略,为异构图表示学习带来了显著改进。
2.Liu, Yunfei, Zhen Liu, Xiaodong Feng, and Zhongyi Li. “Robust attributed network embedding preserving community information.” In 2022 IEEE 38th International Conference on Data Engineering (ICDE), pp. 1874-1886. IEEE, 2022.
这篇论文提出了一个用于属性网络嵌入的稳健框架AnECI，使用社区信息指导网络嵌入,增强模型的鲁棒性,并设计新的模块度函数适用于高阶相似性和重叠社区,是网络表示学习领域一个创新和有价值的工作。
CSDN | 论文笔记 : https://blog.csdn.net/ChA0s007/article/details/131540884
Github : https://github.com/Gmrylbx/AnECI
3.Shi, Tianhui, et al. “Graphpi: High performance graph pattern matching through effective redundancy elimination.” SC20: International Conference for High Performance Computing, Networking, Storage and Analysis. IEEE, 2020.
这篇论文主要通过基于2循环(2-cycles）的算法生成多组不对称限制条件，从而消除匹配中的冗余计算，同时，构建准确的性能模型来选择匹配中调度和限制的最佳组合提高性能，实现高性能图模式匹配。
CSDN | 论文笔记 : https://blog.csdn.net/LostUnravel/article/details/125672024
集智学园最新AI课程，
张江教授亲授：
第三代人工智能技术基础
——从可微分编程到因果推理
自1956年“人工智能”诞生于达特茅斯会议以来，已经经历了从早期的以符号推理为主体的第一代人工智能，和以深度神经网络、机器学习为主体的第二代人工智能。ChatGPT的横空出世、生成式AI的普及、AI for Science等新领域的突破，标志着第三代人工智能的呼之欲出。可微分编程、神经微分方程、自监督学习、生成式模型、Transformer、基于图网络的学习与推理、因果表征与因果推断，基于世界模型的强化学习……，所有这些脱胎于前两代人工智能的技术要素很有可能将构成第三代人工智能的理论与技术的基础。
本课程试图系统梳理从机器学习到大语言模型，从图神经网络到因果推理等一系列可能成为第三代人工智能基础的技术要素，为研究者或学生在生成式AI、大模型、AI for Science等相关领域的学习和研究工作奠定基础。
https://campus.swarma.org/course/5084?from=wechat
AI+Science 是近年兴起的将人工智能和科学相结合的一种趋势。一方面是 AI for Science，机器学习和其他 AI 技术可以用来解决科学研究中的问题，从预测天气和蛋白质结构，到模拟星系碰撞、设计优化核聚变反应堆，甚至像科学家一样进行科学发现，被称为科学发现的“第五范式”。另一方面是 Science for AI，科学尤其是物理学中的规律和思想启发机器学习理论，为人工智能的发展提供全新的视角和方法。
集智俱乐部联合斯坦福大学计算机科学系博士后研究员吴泰霖（Jure Leskovec 教授指导）、哈佛量子计划研究员扈鸿业、麻省理工学院物理系博士生刘子鸣（Max Tegmark 教授指导），共同发起以“AI+Science”为主题的读书会，探讨该领域的重要问题，共学共研相关文献。读书会从2023年3月26日开始，每周日早上 9:00-11:00 线上举行，持续时间预计10周。欢迎对探索这个激动人心的前沿领域有兴趣的朋友报名参与。
现实世界中大量问题的解决依赖于算法的设计与求解。传统算法由人类专家设计，而随着人工智能技术不断发展，算法自动学习算法的案例日益增多，如以神经网络为代表的的人工智能算法，这是算法神经化求解的缘由。在算法神经化求解方向上，图神经网络是一个强有力的工具，能够充分利用图结构的特性，实现对高复杂度算法的高效近似求解。基于图神经网络的复杂系统优化与控制将会是大模型热潮之后新的未来方向。
为了探讨图神经网络在算法神经化求解的发展与现实应用，集智俱乐部联合国防科技大学系统工程学院副教授范长俊、中国人民大学高瓴人工智能学院助理教授黄文炳，共同发起「图神经网络与组合优化」读书会。读书会将聚焦于图神经网络与算法神经化求解的相关领域，包括神经算法推理、组合优化问题求解、几何图神经网络，以及算法神经化求解在 AI for Science 中的应用等方面，希望为参与者提供一个学术交流平台，激发参与者的学术兴趣，进一步推动相关领域的研究和应用发展。读书会从2023年6月14日开始，每周三晚 19:00-21:00 举行，持续时间预计8周。欢迎感兴趣的朋友报名参与！
