講題：Fairness-aware Learning over Graphs

講者：美國加州大學爾灣分校電機工程與資訊系 Yanning Shen 助理教授

時間：2022.11.15 (二) 14:00-16:00

地點：長庚大學人工智慧研究中心（管理大樓11樓）

線上連結：https://shorturl.at/ejuzY

講者介紹：

沈亞寧是加州大學歐文分校EECS系的助理教授。她於2019年在明尼蘇達大學（UMN）獲得博士學位。她曾入圍2017年IEEE多傳感器自適應處理計算進展國際研討會和2017年Asilomar信號、系統和計算機會議的最佳學生論文獎。她在2017年被斯坦福大學選為EECS的新星。她在2021年獲得微軟人工智能研究學術資助獎，2022年獲得谷歌研究學者獎，2022年獲得赫爾曼獎學金。她的研究興趣橫跨機器學習、網絡科學、數據科學和信號處理等領域。更詳細的信息可以在以下網站找到：https://sites.google.com/uci.edu/yanning-shen

演講大綱：

我們生活在一個大數據和 "小世界 "的時代，大量的數據駐留在高度連接的網絡上，代表著廣泛的物理、生物和社會的相互依存關係，例如社會網絡和智能電網。因此，從圖/網絡數據中學習有望帶來重大的科學和工程進展，並隨之改善生活質量。節點表示學習已經證明了其在圖上各種應用的有效性。特別是最近在圖神經網絡和對比學習方面的發展，使得節點表示學習在一些任務中取得了可喜的成果，如節點分類、鏈接預測。儘管圖學習取得了成功，但公平性在該領域基本上沒有得到充分的探索，這可能導致對網絡中代表性不足的群體產生偏見的結果。為此，本講座將首先介紹新的公平意識的圖增強設計，以解決圖上學習的公平性問題。介紹了新的圖的公平性概念，這些概念是所提出的圖增強設計的指導方針。此外，還提供了理論分析，以證明擬議的適應方案可以減少內在的偏見。在真實網絡上的實驗結果表明，所提出的框架可以提高公平性，同時為節點分類和鏈接預測任務提供與最先進的替代方法相當的準確性。

主辦單位：人工智慧研究中心、智慧運算學院

※本活動無需報名。