周宝健
复旦大学大数据学院青年副研究员
周宝健，复旦大学大数据学院，青年副研究员。2020年获得纽约州立大学奥尔巴尼分校博士学位，之后在石溪大学从事博士后研究工作（2020-2021）。长期从事大规模图机器学习和数据挖掘的理论研究工作，特别是动态图表示学习以及图上的加速算法研究。近年来，在大规模图数据挖掘上的异常子图检测、图结构约束优化、图机器学习以及动态图表示学习的异常检测等研究方向取得了一些列的研究成果。研究成果先后在ICML、NeurIPS、KDD、IJCAI、AAAI、ICDM、CIKM、TKDE等国际数据挖掘和机器学习会议上发表论文20余篇。
演讲主题
大规模图上的高效局部计算与优化
图扩散方程（Graph Diffusion Equations, GDEs）是建模图数据的基本工具，已成功应用于许多图学习任务，包括局部聚类、半监督学习、节点嵌入、图神经网络（GNN）训练等多种应用。在本次报告中，我将介绍解决图扩散问题的局部迭代方法的最新进展。我将介绍一个新框架——局部演化集过程（Locally Evolving Set Process），该框架可以有效地将标准迭代求解器局部化。该方法显著提高了扩散向量计算的速度，具有次线性运行时间复杂度，反映了实际应用中算法的性能表现。该框架利用了扩散向量的局部化特性，提供了显著的计算节省，特别适用于GPU上的大规模动态图。报告中还将讨论一些开放问题和未来的研究方向。
