報告題目（中文）：挖掘動態數據演化模式的特征表示

報告題目（英文）：Feature Representation for Mining Evolution Patterns in Dynamic Data

參會時間：2022年12月5日 14:00

騰訊會議：588-933-814

報告人：楊宇 博士，香港理工大學計算機學系研究助理教授

報告人簡介：

楊宇，香港理工大學計算機學系研究助理教授，博士生博導。楊宇博士2021年畢業于香港理工大學，博士導師為歐洲人文和自然科學院院士、IEEEfellow曹建農教授。楊宇博士的研究方向涵蓋時空大數據分析、動態圖表示學習、圖神經網絡、推薦系統等，并在TKDE、CIKM、DASFAA等數據分析領域頂級期刊和會議發表多篇論文。近5年，楊宇博士作為核心成員參與了多個國家和省級重點研究計劃，其中包括國家重點研發計劃、香港主題研究計劃（TRS）、廣東省重點領域研究計劃等，以及超過10個由香港合作研究基金（CRF）、香港研究影響力基金（RIF）、香港創新科技基金（ITF）和香港賽馬會慈善基金支持的產學研結合項目，項目研發成果已成功部署應用于香港國際機場和超過60間香港中小學。此外，楊宇博士還擔任眾多國際頂級期刊和會議的審稿人，如TKDE、TNNLS、TIST、IoTJ、AAAI、WWW、DASFAA等。

報告簡介：

特征表示是將原始數據映射到一個隱藏的判別空間中，并對數據的特征、屬性和潛在模式等進行編碼，以便更加有效的支持機器學習任務。然而，一個非常重要但被忽視的問題是如何捕獲動態數據的演化模式并嵌入到特征表示中，從而提高機器學習算法在預測任務中的表現。動態數據是指隨時間變化的數據。它包含揭示數據如何隨時間動態變化的演化模式。 發現并嵌入動態數據的演化模能夠引入額外的有效信息，以克服預測任務中的數據不足的問題，從而獲得更好的預測表現。本報告將總結特征表示在挖掘動態數據演化模式的研究現狀，分析研究挑戰，并從算法及應用兩個角度介紹最新的研究進展，包括面向異步圖結構演化的時間感知動態圖嵌入和大數據驅動的機場資源優化與管理。