近日，在工B308室，信息工程学院邀△请悉尼科技大学Hong Yang博士〗后为学院师生做科研分享报告，整场报告通过腾讯会议在线进行，崔琳老师主持了整场报告。

Hong Yang博士后的研究方向是图神经网络与图像处理，是当今数据挖掘的研究热点，学☆院许多教师也从事此方面的研究。首先，Hong Yang博士后指出从社交网络、生物图、引文网络到事务数据，网络和图数据被广泛用于描述大量的现实世界应◣用程序。为了从网络数据中获〓取知识，人们已提出许多种网络机器学习模型，如图嵌入模型和图神经网络。从图嵌入模型的角卐度来看ξ，属性网络嵌入↘是一个新的模型分支，其目的是从属性网络中获取知识，其中节点的属性和节点之间的链接都是〇可观察的，以供学习。现有的属性网络嵌入模◥型能够实现节点链接和属性的联合表示学习。然而，这些模型都是在连续的欧几里德空间中设计的，这种空间▼常常引入数据冗余，从而给大规模网络的存储和计算成▃本带来挑战。另一方面，从图神经网络〖（GNNs）的角度来看，现有的基于属性网络的图神经网络←都是基于人工设计的图神经网络结构，这往往需要大量的人工操作和丰富的领域知识。

针对目前图神经网络ξ　所存在的问题，Hong Yang博士后详细讲述了所提出的网络数据离散化和自动表示学习模型。从网络嵌入的角度出发，她讲述了『一类能够学习离散节点表示的属性网络↓嵌入模型，以减少数据冗余，最终降低属性网络数据的存储和计算成本。从图神经网络的角度出发，她阐述了︼一种基于强化学习的图神经结构搜索算法GraphNAS。她在真实世界属性网络数据集的理论和◤实证研究表明，所提出的离散嵌入模型优于现有的属性网络嵌入方法。

Hong Yang博士后汇报完毕后，信息工程学院各位教师积极围绕报告中所阐述的内容■与Hong Yang博士后进行交流，Hong Yang一一给予了详细解答。在交流和讨论的过程中，各位教师进一步深╱入领会了报告所讲述的内容。

通过邀请悉尼科技大学Hong Yang博士后做科研报告，增强了信息工程学院与国外知名高校的联系，使学院教师紧跟当♂今数据挖掘领域最新研→究方向，也扩大了各位教师的科研视野。