「AI Drive」是由 PaperWeekly 和 biendata 共同發起的學術直播間，旨在幫助更多的青年學者宣傳其最新科研成果。我們一直認為，單向地輸出知識并不是一個最好的方式，而有效地反饋和交流可能會讓知識的傳播更加有意義，從而產生更大的價值。

本期 AI Drive，我們邀請到騰訊微信事業群應用研究員陸元福，為大家解讀其發表于 AAAI 2021?的最新工作。對本期主題感興趣的小伙伴，1 月 28 日（周四）晚 7 點，我們準時相約 PaperWeekly B 站直播間。

直播信息

傳統 GNN 預訓練是一個兩階段的流程，即先在大規模圖數據集上進行預訓練，進而在下游數據上進行微調。但是，通過對兩階段優化目標的分析，我們發現這兩個步驟之間是存在一些差異的，這一差異在一定程度上影響預訓練模型的遷移效果。因此，在本文中，我們考慮如何緩解傳統預訓練和微調兩個步驟之間差異，從而更好的實現知識遷移。

基于此，我們提出了一種自監督預訓練策略，充分利用無標簽的圖數據，并在兩個大規模數據集上取得了顯著提升。同時，我們還發布了一個包含百萬量級子圖的大規模圖數據，可用于圖分類等任務。代碼及數據已公開。

論文標題：

Learning to Pre-train Graph Neural Networks

論文鏈接：

https://yuanfulu.github.io/publication/AAAI-L2PGNN.pdf

代碼鏈接：

https://github.com/rootlu/L2P-GNN

本次分享的具體內容有：?

• 在傳統的 GNN 預訓練模型中，存在預訓練和微調之間有差異的問題

• 為了緩解這一差異，我們提出了一種自監督的預訓練模型

• 在兩個大規模數據集上，所提出的模型取得了顯著提升。

嘉賓介紹

?陸元福?/?騰訊微信事業群應用研究員?

陸元福，騰訊微信事業群應用研究員，碩士畢業于北京郵電大學計算機學院，主要研究方向：graph embedding、recommender systems 和 meta learning。目前以第一（學生）作者在 IEEE TKDE、KDD、AAAI 和 CIKM 等會議發表相關論文多篇。

直播地址?& 交流群

本次直播將在 PaperWeekly B 站直播間進行，掃描下方海報二維碼或點擊閱讀原文即可免費觀看。線上分享結束后，嘉賓還將在直播交流群內實時 QA，在 PaperWeekly 微信公眾號后臺回復「AI Drive」，即可獲取入群通道。

B 站直播間：

https://live.bilibili.com/14884511

合作伙伴

????

現在，在「知乎」也能找到我們了

進入知乎首頁搜索「PaperWeekly」

點擊「關注」訂閱我們的專欄吧

關于PaperWeekly

PaperWeekly 是一個推薦、解讀、討論、報道人工智能前沿論文成果的學術平臺。如果你研究或從事 AI 領域，歡迎在公眾號后臺點擊「交流群」，小助手將把你帶入 PaperWeekly 的交流群里。

總結

以上是生活随笔為你收集整理的直播 | AAAI 2021：如何缓解GNN预训练和微调之间的优化误差？的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。