图神经网络的新兴应用和研究结果分享｜AICon

图神经网络从 19 年初仅在几篇论文中提到，到现在成为各大顶会的增长热词，呈现了爆发式的增长。然而即使其在学术界发展的如火如荼，在工业界的落地却还是十分有限。怎样快速的实现图神经网络的大规模落地应用，成了各大企业首先需要解决的问题。

当然，这中间也不乏一些先锋者，已经实现了图神经网络的落地运用并取得了较好的成绩。如京东数科结合图神经网络开发出的自动对抗反欺诈模式，将被动防御转变为了主动出击，提供了通过无监督学习主动对抗风险的新思路。又如阿里将图表征学习与推理融入推荐系统，不仅在受限商品池推荐场景中展现向量召回优势，并在多个个性化推荐场景中取得卓越成效等等。

想知道以上这些大厂是如何将图神经网络技术落地的吗？他们在落地的过程中遇到了哪些困难又是怎么解决的？学术界现在对图神经网络的研究有什么新突破吗？这些问题，你都能在 AICon 上海 2020 找到答案。先给大家小小透露一波～

人工智能时代，如何利用智能技术主动发现新的欺诈手段，提升识别效率，成为亟需解决的问题。京东数科打造以 AI 为引擎的自动对抗机器学习平台，采用小样本学习、自监督学习等前沿算法，主动发现新的欺诈方式，并通过特征自动衍生、规则学习快速归纳黑产作案手法，实时生成推荐规则策略，可实现一键点击上线拦截。自动对抗改变了原来的被动防御欺诈的模式，将被动防御转变为了主动出击。

• 常见黑产攻击手段

• 传统反欺诈方法

• 人工智能在反欺诈领域的应用

• 风险洞察

• 风险判别

• 自动演进

• 图神经网络原理

• 欺诈团伙挖掘

• 作弊手法归纳及规则推荐

• 关于反欺诈技术未来的规划与展望

不需要人工标注样本，通过自监督图神经网络主动挖掘欺诈团伙。面对深度学习的黑盒问题，通过规则学习将模型结果生成可解释规则。

当前深度学习模型需要在一定认知先验的基础上进行更加稳定、高效的学习与推理，这类先验正是能从数据中无监督的学到可解释概念的基础，而在推荐系统中也可以利用认知先验来更好的对用户的长短期兴趣进行捕捉和预测，构建可外化的推荐理由。通过概念的理解我们还可以对商品进行更深层次的理解并二次加工形成场景化或更精细化的导购，创造新的商业价值。本次分享将从以下几个方面进行重点探讨：

1. 目前推荐系统中面临的问题

2. 从认知推理的角度缓解这样的困境

   a.围绕认知概念进行个性化推荐的各种形式

   b.解离化的用户 / 商品兴趣表征

   c.用户长短期兴趣的维护与演化

   d.推荐理由与场景描述的生成

3. 认知推理的前沿技术研究

   a.Cognitive Graph 在 QA、KB 领域崭露头角

   b.概念自学习进展

• 了解电商推荐系统中的切实问题；

• 了解目前电商推荐系统的技术进展与未来关注的方向；

• 了解认知推理技术的研究现状与应用前景。

图数据作为一个比文本、语言更加广泛的数据表示方式，应用场景非常多，而电商便是其主要应用场景之一。在电商领域，目前和图神经网络结合最为紧密的便是推荐系统。GNN 本身作为一种深度模型，在与推荐系统结合之后，多层 GNN 模型可以更好地捕捉用户与商品之间的高阶协同关系，即实现更高效更精准的推荐效果。

本专题的讲师石川教授作为学术界研究图神经网络在电商中应用的元老级人物，会给我们带来哪些新的研究成果呢？希望可以给大家在实际应用中带来一些新思路。

不止于此，还有更多大咖即将上线，先报名为敬！

想要这些大咖面对面交流学习的朋友，千万不要错过机会！另外大会还设置有智能金融、计算机视觉、AI 工程师团队建设与管理、认知智能、大数据计算和分析、NLP 等热门专场，来自 BAT、微软、小米、华为、PayPal、快手等大厂的 50+ 一线 AI 技术大咖将带来更多精彩分享，目前大会 8 折报名火热进行中！更多内容欢迎咨询小姐姐 Amy：18514549229（同微信），我们 8 月上海不见不散！点击 阅读原文 了解更多～