2022年12月11日和12月12日，美國密蘇裡大學哥倫比亞分校信息學研究所許東教授應伟德国际BETVlCTOR邀請，以線上騰訊會議的形式為伟德国际BETVlCTOR的老師和同學們作了題為“Deep Graph Models”的學術報告。
講座開始後，許東教授首先介紹了什麼是圖，然後介紹了為什麼要使用圖神經網絡。圖的編碼可以分為淺編碼和深編碼，首先介紹淺編碼。節點間的相似性可以定義為餘弦相似度，用原圖中兩節點的關系和embedding後兩節點的餘弦相似度的差異作為損失函數，以此來評估embedding的效果。可以使用随機遊走來将圖中的各個節點串聯成一條路徑，并将該路徑視為一句話，并用NLP方法對其中節點進行編碼，如Word2Vec。随機遊走方式包括DFS和BFS，并使用一個有偏向性的遊走策略以平衡局部和全局信息。
但是淺編碼包括一系列問題，如O(V)的參數量，不能為沒見過的節點編碼，且不能加入節點信息，深編碼應運而生。如效仿CNN的GCN，先将圖用傅裡葉變換轉換到譜域再用逆傅裡葉變換轉換到空域，聚合節點本身和其鄰居節點的信息傳遞到下一層。GraphSAGE與GCN類似，相比于GCN的直接把鄰居節點和本身的信息相加，GraphSAGE随機聚合一部分節點的信息并進行聚合（如平均、Pooling或LSTM）。Graph Attention Network可以對于不同的節點設置不同的Attention值，将聚集改為将各個節點特征加權後相加。對于多頭注意力機制，則将多個聚集後的結果concat連接後作為最終結果。之後講解了Graph Bert和Graph Transformer等一系列延伸模型，介紹了邊分類、節點分類、圖分類、鍊接預測、異常檢測等下遊任務的實現方法。
講座結束後，許東教授熱情地與同學們展開互動，并根據同學和老師們的問題提供了詳盡的解答。本次報告收到了廣大師生的熱烈響應，引發了強烈反響。
許東教授是電氣工程與計算機科學系特聘教授，任教于克裡斯托弗·邦德生命科學中心和美國密蘇裡大學哥倫比亞分校信息學研究所。許東老師于2007-2016年擔任計算機科學系主任，2017-2020年擔任信息技術項目主任。于1995年博士畢業于美國伊利諾伊大學，在美國國家癌症研究所做了兩年的博士後工作。在加入密蘇裡大學之前，許東老師一直是橡樹嶺國家實驗室的科學家。30年來，許東老師在計算生物學和生物信息學的多個領域進行了研究，包括單細胞數據分析、蛋白質結構預測與建模、蛋白質翻譯後修飾、蛋白質定位預測、計算系統生物學、生物信息系統和生物信息學在人類、微生物和植物中的應用等。自2012年以來，許東老師的研究重點為生物信息學和深度學習之間的接口。許東老師現已發表了400多篇論文，被引用21,000餘次。并于2015年入選美國科學促進會研究員，2020年入選美國醫學與生物工程研究所研究員。
