「PW Live」是 PaperWeekly 的学术直播间，旨在帮助更多的青年学者宣传其最新科研成果。我们一直认为，单向地输出知识并不是一个最好的方式，而有效地反馈和交流可能会让知识的传播更加有意义，从而产生更大的价值。
图神经网络（Graph Neural Networks）是 年 AI 领域最热门的话题之一。图神经网络是用于图结构数据的深度学习架构，将端到端学习与归纳推理相结合，业界普遍认为其有望解决深度学习无法处理的因果推理、可解释性等一系列瓶颈问题，是未来三到五年的重点方向。
本期 PW Live，我们邀请到来自北京邮电大学 DMGroup 的博士生纪厚业，为大家带来异质图神经网络：模型和应用的主题分享。
对图神经网络感兴趣的小伙伴，3月12 日（本周四）晚 8点，我们准时相约PaperWeeklyB 站直播间。
分享提纲
图神经网络已经成为深度学习领域最热门的方向之一，在自然语言处理/计算机视觉/推荐系统等领域都得到了广泛的应用。但是，当前图神经网络的研究主要针对由相同类型节点和边构成的同质图。
然而，在现实生活中的图数据往往是由多种类型的节点和边构成的异质图。异质图更符合实际工业应用的需求。如何针对异质图的特点设计相应的图神经网络架构并在多种场景进行实际应用是一个迫切需要解决的问题。
本报告将梳理总结 年各大顶会上异质图神经网络方面的研究工作，以及在实际问题中的应用。
本次分享的具体内容有：
相关背景：异质图及图神经网络
异质图神经网络基础模型：HAN 和 HetGNN
HeteGNN 在文本分类、推荐及恶意评论检测中的应用
总结和技术展望
嘉宾介绍
纪厚业 / 北京邮电大学博士生
纪厚业，北京邮电大学 DMGroup 在读博士生，目前在阿里巴巴搜索推荐事业部实习。其研究方向包括异质图分析，图表示学习（图神经网络）和推荐系统。目前已经在 WWW，EMNLP 和 PRICAI 上发表多篇相关论文。
直播地址& 交流群
本次直播将在 PaperWeekly B 站直播间进行，扫描下方海报二维码或点击阅读原文即可免费观看。线上分享结束后，嘉宾还将在直播交流群内实时 QA，在 PaperWeekly 微信公众号后台回复「PW Live」，即可获取入群通道。
B 站直播间：
/14884511
合作伙伴
????
现在，在「知乎」也能找到我们了
进入知乎首页搜索「PaperWeekly」
点击「关注」订阅我们的专栏吧
关于PaperWeekly
PaperWeekly 是一个推荐、解读、讨论、报道人工智能前沿论文成果的学术平台。如果你研究或从事 AI 领域，欢迎在公众号后台点击「交流群」，小助手将把你带入 PaperWeekly 的交流群里。
