报告时间：2023年7月19日（星期三）15:00-18:00
报告地点：管院新大楼925会议室
报 告 人：许嘉蓉 博士、副研究员
工作单位：复旦大学管理学院
举办单位：管理学院
报告简介：
近年来，预训练图神经网络作为一种解决图机器学习任务中标签数据稀疏问题的潜在方法，受到了广泛关注，应用图预训练模型变得尤为重要。然而，在实际应用中，我们发现将图预训练模型适配到不同的下游任务时，经常会遇到负迁移的问题，本次报告将从两个角度探讨：（1）何时需要进行图预训练；(2) 图预训练的数据是否越多越好？此外，还提供了三个应用场景：（1）确定图预训练模型的适用范围，（2）量化图预训练的可行性指标，以及（3）挑选预训练数据的解决方案。
报告人简介：
许嘉蓉，博士，复旦大学青年副研究员。2021年毕业于浙江大学控制科学与工程学院。2019年访问加州大学洛杉矶分校，与Yizhou Sun教授合作。主要研究方向包括网络表示学习、社交网络分析、数据挖掘。曾在KDD、NeurIPS、AAAI、IJCAI、TKDE、TKDD等计算机顶级学术会议和期刊发表论文十余篇。曾担任KDD'20-22等国际学术会议程序委员会委员，TKDE等期刊审稿人。
