中国中文信息学会青工委学术沙龙

公司机器人与信息自动化研究所 天津市智能机器人技术重点实验室 公司机器智能研究所

Institute of Robotics and Automatic Information System

Tianjin Key Laboratory of Intelligent Robotics

Institute of Machine Intelligence

2019年秋季先进机器人与人工智能系列学术讲座（第150-151期）

Seminar Series：Advanced Robotics & Artificial Intelligence

报告时间：2019年12月8日（周日）   下午 14：00~16：00

报告地点：公司人工智能北楼102会议室

报告嘉宾：徐君 教授（中国人民大学）、沈华伟 研究员（中国科学院计算技术研究所）

报告题目：智能搜索中的排序：突破概率排序准则

摘要：文档排序是搜索系统的核心功能，过去的研究集中在如何构造贴近实际场景的损失函数并设计相应的pointwise、pairwise和listwise等一系列排序学习算法。从排序模型的角度看，现有的文档排序均构建于符合概率排序准则(probability ranking principle)的独立打分函数之上，对其它类型的排序模型未给与更多关注。本报告将介绍近年来排序学习的研究如逐步何突破概率排序准则构建适应性更广的排序模型，包括基于马尔科夫决策过程的序贯排序模型和基于注意力机制的集合到排列映射模型。

个人简历： 徐君，男，中国人民大学教授。主要研究方向为用于信息检索的语义匹配和排序学习模型，在包括SIGIR、WWW、WSDM等国际学术会议和TKDE、TOIS、TIST等国际学术期刊发表论文60余篇，撰写英文专著1部，获SIGIR 2019 Test of Time Awards Honorable mention, CIKM 2017 Best Paper runner-up和AIRS 2010 Best Paper，担任学术会议SIGIR、WWW、AAAI、ACML资深程序委员会委员(Senior PC)、ICTIR 2019 Best Paper Committee成员以及CIKM 2020 Publicity co-chair，任期刊JASIST编委和ACM TIST副主编。

报告题目：图卷积神经网络

报告摘要：卷积神经网络在视频、图像、语音、文本等欧式数据的分析处理上展现出了很好的优势。然而，卷积神经网络不能直接应用于图（Graph）这类空间结构不规则的数据上。近年来，研究人员开始研究如何将卷积神经网络迁移到图数据上，涌现出Graph CNN、ChebyNet、MoNet、GraphSAGE、GCN、GAT等一系列方法，在基于图的半监督分类和图表示学习等任务中表现出很好的性能。报告首先梳理和回顾该方向的主要研究进展和发展趋势，进而介绍报告人近期在图卷积神经网络方面的一些研究工作（ICLR’19; IJCAI’19）。

个人简介：

沈华伟，博士，中国科学院计算技术研究所，研究员，博士生导师，中国科学院大学岗位教授，中国中文信息学会社会媒体处理专委会副主任。主要研究方向：社交网络分析、网络数据挖掘。在PNAS等期刊和WWW、SIGIR、AAAI、IJCAI、ICLR等国际会议上发表论文100余篇。博士学位论文获得中国计算机学会优秀博士论文提名奖、中国科学院优秀博士论文奖和UCAS-Springer优秀博士论文奖。个人获得中国科学院经理特别奖，入选中国科学院计算技术研究所“学术百星”计划和中国科学院青年创新促进会，入选中国科学院王宽诚率先人才计划“卢嘉锡国际团队”和首批中国科学院青年创新促进会优秀会员（中国科学院优秀青年人才计划）、北京智源人工智能研究院青年科学家。