裴健等权威学者联合撰写,一书读懂图神经网络的基础、前沿、应用( 二 )

  • 第 24 章 药物开发中基于 GNN 的生物医学知识图谱挖掘
  • 第 25 章 预测蛋白质功能和相互作用的图神经网络
  • 第 26 章 异常检测中的图神经网络
  • 第 27 章 城市智能中的图神经网络
  • 作者介绍
    裴健等权威学者联合撰写,一书读懂图神经网络的基础、前沿、应用
    文章图片

    吴凌飞博士现任京东硅谷研发中心首席科学家 。 吴博士曾经是 IBM T. J. Watson Research Center 研究科学家和团队带头人 。 吴博士在 2016 年从威廉玛丽大学取得计算机博士学位 。 他的研究内容包括机器学习、表征学习和自然语言处理 。
    吴博士带领的 Graph4NLP (Deep Learning on Graphs for Natural Language Processing) 团队(12+ 研究科学家)致力于机器学习与文本数据挖掘领域的基础研究 , 并运用机器学习与文本数据挖掘方法解决实际问题 。 其学术成果先后发表在 NeurIPS, ICML, ICLR, ACL, EMNLP, KDD, AAAI, IJCAI 等国际顶级会议及期刊上 , 发表论文超过 80 多篇 。 代表作包括 IDGL, MGMN, Graph2Seq, GraphFlow 。 多项学术论文获得著名国际大会的最佳论文和最佳学术论文奖 , 包括 IEEE ICC 2019 。
    吴博士同时现任 IEEE 影响因子最高期刊之一 IEEE Transactions on Neural Networks and Learning Systems(TNNLS) 和 ACM SIGKDD 旗舰期刊 ACM Transactions on Knowledge Discovery from Data (TKDD) 的副主编 。 多次组织和担任国际顶级会议大会或者领域主席 , 如 AAAI, IJCAI, KDD, NeurIPS, ICLR, ICML, ACL, EMNLP 。
    裴健等权威学者联合撰写,一书读懂图神经网络的基础、前沿、应用
    文章图片

    崔鹏 , 清华大学计算机系长聘副教授 。 于 2010 年获得清华大学博士学位 , 研究兴趣包括因果正则机器学习(causally-regularized machine learning)、网络表示学习和社交动态建模 。 他在数据挖掘和多媒体领域知名会议和期刊上发表文章 100 多篇 , 近期研究获得 IEEE Multimedia Best Department Paper Award、ICDM 2015 最佳学生论文奖等多个奖项 。 2015 年 , 他获得 ACM 中国新星奖 , 2018 年获得 CCF-IEEE CS 青年科学家奖 。 目前 , 他是 ACM 和 CCF 杰出会员、IEEE 高级会员 。
    裴健等权威学者联合撰写,一书读懂图神经网络的基础、前沿、应用
    文章图片

    裴健在数据科学、大数据、数据挖掘和数据库系统等领域 , 是世界领先的研究学者 , 国际计算机协会(ACM)院士和国际电气电子工程师协会(IEEE)院士 , 擅长为数据密集型应用设计开发创新性的数据业务产品和高效的数据分析技术 。 因其在数据挖掘基础、方法和应用方面的杰出贡献 , 裴健曾获得数据科学领域技术成就最高奖 ACM SIGKDD Innovation Award(ACM SIGKDD 创新奖)和 IEEE ICDM Research Contributions Award(IEEE ICDM 研究贡献奖) 。 2018 年 , 裴健入职京东 , 任集团副总裁 。 此前 , 裴健教授还曾担任华为首席科学家 。 2019 年 9 月 , 裴健当选加拿大皇家学会院士 。
    裴健等权威学者联合撰写,一书读懂图神经网络的基础、前沿、应用
    文章图片

    赵亮现为埃默里大学担任计算机系助理教授 , 研究方向为数据挖掘、机器学习和优化 。 此前曾在乔治梅森大学信息科技学院和计算机学院担任助理教授 。 2016 年秋 , 赵亮获得弗吉尼亚理工大学的博士学位 。 此外 , 赵亮曾获 2020 年美国自然科学基金委员会杰出青年奖(NSF CAREER AWARD)、2019 年 Jeffress Trust Award、2017 年弗吉尼亚理工大学计算机学院杰出博士奖 , 并入选 2016 年微软评选出的数据挖掘领域 20 位学术新星 。 他还获得过 ICDM 2019 会议的最佳论文奖项 。

    特别声明:本站内容均来自网友提供或互联网,仅供参考,请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系,我们将在24小时内删除。