| 演讲者 | 于硕 | | 头衔职位 | 大连理工大学计算机学院副教授 | | 时间 | 2023年6月3日（周六）下午15:00-16:00 | | 地点 | 江湾校区二号交叉学科楼A4009 | | 联系人 | 陈阳，chenyang@fudan.edu.cn |
|  |
演讲简介
图数据（Graph-structured Data）广泛存在于现实世界中如社交网络数据、交通网络数据等。图数据的非欧特性使得对其有效表征尤为重要。然而，当前对图数据的表示方法受限于传统图数据的二元关系（节点-关系-节点）表达形式，对多元关系及隐式关系的捕捉能力不足。深度图学习方法能够有效增强数据质量、挖掘隐式关系，优化图数据表示，增强图学习方法表达能力，对如群体异常检测、疫情防控等现实应用有着十分重要的研究意义。报告围绕深度图学习的基本概念及分类展开，针对数据、方法和应用三个层面分别探讨深度图学习的相关工作。具体地，在社交网络分析方面，融合社交属性等对学术合作团队建模、识别、优化等全生命周期给出了一系列解决方案，研究成果对组建高水平学术团队、助力团队良性发展及跨学科团队建设给予量化分析与支撑；在异常检测方面，针对金融、医疗、国家安全等重要领域中不断升级的异常行为及异常模式展开研究，融合多源数据在约束查询条件的情况下识别群体异常，为群体异常检测提出了开创性方法，研究成果可应用于优化问答系统搜索结果，快速识别社交网络中虚假评论，有效阻断假新闻传播；在疫情防控方面，融合多因素提出城市风险评估方法，并基于时空图学习有效预测疫情扩散及传播风险。
关于讲者
于硕，大连理工大学计算机学院副教授，大连理工大学党政办公室副主任，计算机学院院长助理。近年来发表学术论文50余篇，其中前两名作者23篇，第一或通讯作者20篇。IEEE/ACM Transactions系列期刊论文10篇，JCR一区论文12篇。获大连理工大学优秀博士学位论文，IEEE CSDE2020及IEEE DataCom2017国际会议最佳论文奖， ACM/IEEE JCDL2020 The Vannevar Bush Best Paper Honorable Mention（唯一一个以美国国家科学基金会之父冠名的奖项）。获中国人工智能学会CAAI“2022年度社会计算青年学者新星”，也是该年度唯一一位女性获奖者。主持NSFC青年基金1项，主持中国科协高端科技创新智库青年项目1项，参与NSFC面上项目2项，其他横纵向课题若干。受邀担任10余部顶级/重要国际期刊审稿人；担任数据挖掘顶级会议ICDM KG2022 Program Chair, ACM/SIGAPP旗舰会议SAC2022 KG Track Chair，及多项IEEE国际会议PC Member。
