報告題目：面向圖分類任務的數據增強方法研究
報告摘要：
圖結構數據（Graph）在我們的日常生活中無處不在，如社交網絡、知識圖譜和分子圖等。圖上的機器學習方法，尤其是圖神經網絡，作為一種強大的圖結構數據建模的深度學習工具，近年來在學術界和工業界都取得了巨大的成功。圖神經網絡在解決圖分類問題中具有非常強大的功能，但由于圖結構數據的缺失和建模的成本，其在真實世界圖上的有效性往往受到了很大的限制，因此當有标注的訓練數據極其有限時，基于GNN的圖分類模型很容易對訓練數據過拟合并表現出對測試數據泛化能力不足的問題。本次報告的内容将展示我們是如何通過圖數據增強的方法解決以上問題。
個人介紹：
李嘉興，來自bet356手机版唯一官网登录影像實驗室，目前研究生二年級在讀。指導老師為孔佑勇老師。主要的研究方向為圖神經網絡，圖小樣本問題建模。碩士期間到目前為止以第一作者撰寫論文三篇，以第三作者發表頂會論文一篇（IJCAI 2022）以及以第一學生作者發明專利一項。