近日，省服务机器人重点实验室主任卜佳俊教授指导的博士学位论文《基于神经网络的多粒度图表征学习方法研究》被评为2021年浙江大学优秀博士学位论文。该论文作者系实验室2015级博士张震，博士期间在KDD、WWW、IJCAI、TKDE等国际顶级会议和期刊上发表多篇论文。
论文简介：
近年来，随着信息技术的发展，图数据与日俱增，例如电商网络中用户的购买、点击、收藏以及商家新品上架等行为均会带来图数据的增加。为了充分挖掘海量图数据中潜在的模式，图挖掘技术尤其是图表征学习逐渐成为了学术界和工业界研究的热点。本博士论文从不同的粒度对复杂图数据以及挖掘任务进行了探索，提出了一系列基于神经网络的图表征学习模型，研究了图数据中知识的表征、融合以及推理，具体包括：
(1)针对属性图中结构信息和节点属性信息融合难的问题，提出了一种新颖的无监督表征学习框架。
(2)针对时序异构图中异构信息融合难以及时序信息建模难的问题，提出了通过记忆网络中的增广记忆矩阵来动态的存储、更新节点表征。
(3)针对现有图池化操作导致潜在图结构信息丢失的问题，提出了一个通用的图池化框架，它适用于现有多种图神经网络体系架构。
(4)针对复杂图数据相似度推理难以及时间复杂度高的问题，提出了一种新颖的子图匹配框架。
本文研究的四个问题不仅涵盖了输入图数据的多粒度、输出表征的多粒度，而且还将模型应用于多元化的下游任务包括分类、链接预测及推荐，聚类、相似性检索等。