Build an application based on GNN
Some cases could be found in
姓名：田云
下游应用：异构图的embedding计算，进行节点聚类，完成相应的可视化应用，数据为投资行业数据（已有）。节点有一些node infomation。参考HetGNN，但会考虑有所改进，目前有个加入一个LSTM记忆过往投资偏好的想法。
具体技术：采样，消息传递，attention机制等
gpu资源：如果有的话可以联系我hh
proposal: 计算图的切分
姓名：秦林啸
下游应用：计算图是深度学习框架（Pytorch、TensorFlow等）计算参数梯度的关键技术，对计算图进行优化是提高模型性能的重要手段。
Wang 等人在计算图模型的基础上提出了将其切分，以实现分布式训练的 Double Recursive Algorithm （链接），但它分析BERT之类的大模型计算图耗时过长；苗旭鹏等人 （链接） 将GCN引入计算图的分析中，实现了计算图的自动优化。
准备利用GCN近似 Double Recursive Algorithm，完成计算图的分割任务。
具体技术：GCN用于有向图学习
需求：目前最大难点是建立用于训练的数据集，或者考虑用何种方法解决
姓名：许玮
下游任务：学者或者论文的学科分类。
指导者：史小文、姜鹏
具体步骤：
（1）数据 : 利用aminer学术数据中部分质量较好的有已做学科分类专家库数据
（2）建图：构建包含专家，合作者，关键词（学者标签），论文，机构的异构图
（3）模型：有2个方案：1.GCN或者GraphSAGE直接构建分类模型; 2.自监督方式训练图embedding+MLP
（4）训练和评估：学科类别要有交叉（例如图像识别和自然语言处理），否则会有孤立的图。
评估：可用ai2000数据作算法实际应用的初步的评估
（5）已有设备：1台A100，
任务：XLore的图神经网络表示学习
姓名：屈亮亮
应用：实体链接
问题：如何将词条出现的上下文构建成文本图参与到XLore知识图中的训练中
proposal： R-Walk in Social Rules Learning
姓名：雷宇
下游应用：目前在社会规则学习上，大部分技术基于强化学习，但是这种情况比较难收敛，尤其在真实场景下，另外如何构建规则也需要结合人群。可以考虑deepwalk的方式，随机初始化几个起始点代表不同地域人群，图中每个节点代表某个规则，但是现实中规则比较复杂在不同的场景下，可以考虑剪枝，或者设置阈值的方式来加速收敛。在针对同一地域人群探究同一地域不同人对于社会规则的学习，可以使用迭代的方向。
具体技术：强化学习策略，deepwalk随机游走方式
需求：难点规则节点的设置，学习策略的设置，收敛的方案，不同地域人群的划分依据
姓名：程煜晴
题目：论文的冷启动消歧 (Name Disambiguation from Scratch)
任务：给定一组拥有同名作者的论文，能够返回一组论文聚类，使得一个聚类内部的论文都是一个人的，不同聚类间的论文不属于一个人。最终目的是识别出哪些同名作者的论文属于同一个人。
数据集：AMiner-Whoiswho同名消歧论文数据集
具体技术：在语义关系基础上，需要捕捉论文之间的网络关系，尝试gcn\hgcn等不同的方法
问题：如何更好地构建异构图，不同关系对于论文区分的重要程度
Name：郭嘉琛
Title：用户行为预测
Problem：首先是如何处理各种用户行为。比如用户商品之前存在的“点击边”和“收藏边”，对用户个性的刻画有什么不同的影响？相同的“点击边”对不同的商品——日用品&奢侈品，有什么不用的信号？不同时间长度的边，其影响力改如何衡量？ 其次的挑战是冷启动问题。具体来讲， 是一些没有行为/行为很少的用户/商品节点，如何将他们纳入推荐体系？ 第三个挑战在于何如处理边之上的时间信息。
Intuition：应用GraphSAGE+GBDT作为基本框架
Dataset:CIKM 2019 Ecommerce AI
Relevant Paper：Pinterest:Graph Convolutional Neural Networks for Web-Scale Recommender Systems YoutubeDNN:Deep neural network for Youtube recommendation
proposal：增量式论文的作者消歧
姓名：韩天翼
任务：在系统存在大量重名学者profile的条件下，将新加入系统的论文准确地分配给一个存在的学者
数据集：AMiner-Whoiswho同名消歧论文数据集
具体技术：unsup-graphsage生成作者和论文的embedding
问题：常见方案普遍依赖于较复杂的特征提取方案 ，并且最终通过待分配论文与已有论文的匹配来确定作者 本工作将尝试构建不同类型子图 直接推理出作者embedding去与待分配论文做匹配
姓名：张锦
下游任务：相似论文召回
具体步骤：1）特征工程； 2）(异构/同构图) 构建论文引用网络； 3）生成emb；4）相似论文recall；
需求：论文&引用关系数据集；
Proposal：论文 venue 预测
姓名：姜皓瀚
课题描述： 通过图中论文之间的引用关系和论文 venue，判断未知论文的 venue
计划对比测试课程中的几种算法和基础模型，选择性能和结果较好的组合。数据源使用aminer开放数据集AMiner