直播预告：KDD 2020 顶会论文分享

KDD 2020 线上会议正在如火如荼的进行中。

虽然无法去现场交流，但这无法阻挡我们学习和讨论的热情。

鉴于讨论群中对KDD 2020 的文章《AM-GCN: Adaptive Multi-channel Graph Convolutional Networks》讨论热烈，本公众号邀请了该论文的作者朱美琪来直播为我们分享该论文。

直播时间：

8月29日（本周六晚）19:00整

腾讯会议直播地址

会议主题：20KDD AM-GCN 分享

会议链接：https://meeting.tencent.com/s/z2hYSwYbz2Oz

分享嘉宾：

朱美琪：
北京邮电大学计算机科学与技术专业石川老师组硕士二年级在读。
主要研究方向为：网络表示学习，图神经网络等。

分享概要：

GCN能否在一个具有丰富信息的复杂图中最优地对节点特征和拓扑结构进行融合？此文首先对GCN的融合能力进行了实验探究，并发现GCN融合节点特征和拓扑结构的能力并不理想，融合过程中其自适应能力不高。进而我们提出一种用于半监督节点分类任务的自适应多通路图卷积解决方案（AM-GCN: Adaptive Multi-channel Graph Convolutional Networks）。其核心思想是能够同时从节点特征、拓扑结构及其组合中提取特殊嵌入项和公共嵌入项，并利用注意机制学习嵌入项的自适应融合权重。我们通过真实数据集上的大量实验结果表明，AM-GCN能够自适应地提取出最相关的信息，并提高分类精度与实验效果。

• 论文链接：http://shichuan.org/doc/86.pdf

• 代码与数据：https://github.com/zhumeiqiBUPT/AM-GCN