（图文|信息 编辑|信息 审核|张泽宇）10月22日上午，信息学院2023年第14期“Happy hour”学术交流会在第一综合楼B113会议室举行。应信息学院张泽宇博士邀请，奥克兰大学计算机科学学院刘佳谋博士为师生作了题为“Some Recent Progress on Robust Graph Representation Learning”的学术报告。

 刘佳谋博士是奥克兰大学计算机科学学院的高级讲师。2008年，他曾在微软亚洲研究院进行研究实习。刘佳谋博士最初是一名理论计算机科学家，目前研究方向是人工智能，他对人工智能的理论和应用方面都很感兴趣。他的工作围绕社交网络、多代理系统、机器学习以及自然语言处理的结构分析和算法研究，他最近研究还涉及医疗保健、房地产数据挖掘、数据隐私、计算社会科学以及应用于交通流量预测的时空数据分析等。

 本次happy hour分享环节，刘佳谋博士介绍了自己与张泽宇博士共同完成的关于增强图表示学习鲁棒性的相关研究进展，相关论文“USER: unsupervised robust learning for GNN”、“RSGNN: A Model-agnostic Approach for Enhancing the Robustness of Signed Graph Neural Networks”发表在The Web Conference (WWW)、Thirty-Seventh AAAI Conference on Artificial Intelligence (AAAI-23)等计算机顶级会议上。USER通过引入结构熵作为目标函数，旨在减轻图数据中的随机性对模型性能的干扰，同时学习节点的适当表示，提高节点表示的质量。实验证明，USER在处理随机扰动和元攻击时表现出色，并对更严重的扰动具有鲁棒性，从而提高了图数据分析的可行性和效果。

 分享结束，信息学院师生提出了高质量的问题。王玉龙教授以及其他听众表示了对结构熵这一概念的定义和提出的浓厚兴趣，并与刘佳谋博士和徐泽宇博士交换了双方观点。此外，刘佳谋博士在讲述图扰动对图表示学习的影响时，李国亮教授提出生物数据也常常具有类似性质，表示关于图的研究在生物研究也具有广阔应用前景。

 讲座最后，刘佳谋博士和徐泽宇博士表示了对相关研究在生物领域应用的兴趣，期待能够达成相关合作，加强学术交流。