报告题目（中文）：挖掘动态数据演化模式的特征表示

报告题目（英文）：Feature Representation for Mining Evolution Patterns in Dynamic Data

参会时间：2022年12月5日 14:00

腾讯会议：588-933-814

报告人：杨宇 博士，香港理工大学计算机学系研究助理教授

报告人简介：

杨宇，香港理工大学计算机学系研究助理教授，博士生博导。杨宇博士2021年毕业于香港理工大学，博士导师为欧洲人文和自然科学院院士、IEEEfellow曹建农教授。杨宇博士的研究方向涵盖时空大数据分析、动态图表示学习、图神经网络、推荐系统等，并在TKDE、CIKM、DASFAA等数据分析领域顶级期刊和会议发表多篇论文。近5年，杨宇博士作为核心成员参与了多个国家和省级重点研究计划，其中包括国家重点研发计划、香港主题研究计划（TRS）、广东省重点领域研究计划等，以及超过10个由香港合作研究基金（CRF）、香港研究影响力基金（RIF）、香港创新科技基金（ITF）和香港赛马会慈善基金支持的产学研结合项目，项目研发成果已成功部署应用于香港国际机场和超过60间香港中小学。此外，杨宇博士还担任众多国际顶级期刊和会议的审稿人，如TKDE、TNNLS、TIST、IoTJ、AAAI、WWW、DASFAA等。

报告简介：

特征表示是将原始数据映射到一个隐藏的判别空间中，并对数据的特征、属性和潜在模式等进行编码，以便更加有效的支持机器学习任务。然而，一个非常重要但被忽视的问题是如何捕获动态数据的演化模式并嵌入到特征表示中，从而提高机器学习算法在预测任务中的表现。动态数据是指随时间变化的数据。它包含揭示数据如何随时间动态变化的演化模式。 发现并嵌入动态数据的演化模能够引入额外的有效信息，以克服预测任务中的数据不足的问题，从而获得更好的预测表现。本报告将总结特征表示在挖掘动态数据演化模式的研究现状，分析研究挑战，并从算法及应用两个角度介绍最新的研究进展，包括面向异步图结构演化的时间感知动态图嵌入和大数据驱动的机场资源优化与管理。