LOGS第2023/05/27期|| 香港科技大学李一鸣：高效动态图神经网络
摘要
动态图上的表征学习对于社交网络分析和异常检测等应用起着重要作用。动态图神经网络T-GNNs是强大的表征学习方法，并且在连续时间动态图上取得了显著的效果。然而，T-GNNs仍然存在时间复杂度过高的问题，导致难以将其高效地运用到大规模动态图上。为了解决这些瓶颈，我们提出了一个新的计算框架Orca，通过缓存和复用中间计算结果来加速T-GNN的训练。同时，我们对所提出的缓存复用方案所引入的近似误差进行了深入的理论分析，并提供了严格的收敛性保证。在大规模动态图数据上的实验表明Orca的训练效率显著超过了当前的SOTA方法。相关工作已被SIGMOD 2023接收。
分享嘉宾
李一鸣是香港科技大学计算机科学与工程专业的在读博士生，师从陈雷教授。他的研究方向包括动态图神经网络、数据筛选和采样、面向机器学习的高效数据管理方法。他在大数据领域的重要学术会议如SIGMOD、VLDB、ICDE等发表多篇论文，并获得华为博士奖学金、HKUST红鸟奖学金等多项荣誉。更多信息请参考https://luckylym.github.io/.
顶部