微信里点“发现”，扫一下
二维码便可将本文分享至朋友圈
演讲摘要：本次报告主要介绍我们课题组与微信搜索团队合作研发的一种用于微信搜一搜内容推荐的轻量同质超图神经网络模型。在以微信“搜一搜”等内容平台为代表的高度稀疏数据场景中，对于基于用户所属群体画像的圈层内容推荐任务，现有模型推荐效果差、用户表示的可解释性弱。针对该类任务，我们提出了一个新的轻量同质超图神经网络模型，该模型包含用户交互数据至超图的转化、卷积生成用户表征序列、用户表征计算与过滤三部分。模型首先将用户-项目交互数据转化为只含用户结点的同质超图并计算得到用户表征解耦序列初始值，随后根据超图拉普拉斯过滤矩阵进行信息传播与序列值的迭代生成，通过不使用激活层的卷积方法简化模型结构，并根据提出的均值差JK注意力机制为每个序列值生成权重矩阵。最后，通过对解耦序列加权求和、过滤实现对用户表示的编码，并在真实的微信搜一搜数据集上进行实验验证了模型的有效性。
讲者简介：李荣华，博士，北京理工大学计算机学院教授，博士生导师，曾获2018年度教育部青年长江学者荣誉称号。李博士2013年毕业于香港中文大学系统工程与工程管理系，同年9月加入深圳大学计算机与软件学院，2018年3月加入北京理工大学计算机学院。李博士主要研究图数据管理与挖掘、图计算系统、图论算法的设计与分析、图神经网络、谱图理论及应用等。近年来，李博士在上述相关领域发表 CCF A 类会议 SIGMOD、VLDB、KDD、ICDE和 CCF A 类期刊 VLDB Journal、IEEE TKDE 长文40余篇。相关研究成果获得了ICDE 优秀论文2项。承担国家重点研发计划课题，国家自然科学基金面上项目。获得CCF—百度松果基金，腾讯犀牛鸟微信专项，CCF-华为胡杨林基金数据库专项，以及字节跳动校企合作基金项目资助。
第39届CCF中国数据库学术会议（NDBC 2022）
数据库产业论坛
京公网安备11010802032778号