神经网络在处理图像、语音、文本等具有较好空间结构的数据时展现出了很好的优势，但是不能直接应用于图（Graph）这类空间结构不规则的数据上。近年来，研究人员开始研究如何将神经网络应用到到图数据上，形成了图神经网络的研究热潮，并提出 GCN、GraphSAGE、GAT 等一系列方法。当前图神经网络主要针对由相同类型节点和边构成的同质图。然而，大量实际交互系统需要建模成由不同类型的节点和边构成的异质图。将神经网络应用于异质图将会有一些新的特点和挑战。

本次演讲将介绍图神经网络，特别是异质图神经网络的最新研究进展；并结合电商场景，讲解如何利用图神经网络解决实际问题。

演讲提纲：

1. 图神经网络介绍
   • 表示学习
   • 图建模方法
   • 图神经网络基本思想
2. 图神经网络模型
   • 浅层模型
   • 深层模型
3. 图神经网络应用
   • 套现用户检测
   • 用户意图推荐
   • 复杂用户聚类
4. 总结

你将获得：

1. 了解图神经网络
2. 了解对交互系统的图建模方法
3. 了解图神经网络解决实际问题的方法

互联网时代为深度学习提供了海量的数据存储、强大的计算芯片，研究人员试图利用更通用的模型来统一不同数据类型和任务类型的建模方法。随着Transformer、Bert、GPT、VIT这一类预训练模型的发展，人工智能的发展逐渐从特定模型处理特定任务，走向了使用通用模型处理一大类任务的处理方式。我们在过去一段时间里研发了超大规模的多模态预训练模型M6，能够处理图和文之间的各类理解和生成任务。

演讲将介绍M6的设计与实现、下游任务、大模型应用实践经验以及m6的服务化平台。

演讲提纲：

1. 多模态模型的研究意义与应用价值
2. 大模型M6的技术发展
   • 基本模型结构、训练模式
   • 从百亿到十万亿的参数扩展
   • 文到图生成应用
3. 大模型普惠AI
   • 内部服务化的应用场景
   • 阿里云M6服务化平台

你将获得：

1. 可以了解多模态预训练模型的最新进展
2. 可以了解大模型的训练方法和优化手段
3. 可以了解多模态大模型的应用方法和经验

作为全球领先的生活服务电子商务平台，美团点评拥有围绕吃喝玩乐全场景的丰富数据，对这些跨场景数据进行充分挖掘、映射、聚合与关联，构建了一个全世界最大的生活服务知识图谱——“美团大脑”，来促进每个场景下应用服务的智能升级。

本次演讲，将会聚焦在生活服务的新零售场景下，分享如何通过商品的文本、图像等内容来构建商品知识图谱，深入理解商品的品类、属性、认知等多维度信息，实现对于零售商品领域更加立体、精准的理解，以及如何有效的将商品知识图谱的数据应用在新零售商品的搜索、推荐等场景下。

演讲提纲：

1. 美团大脑介绍
2. 生活服务中的新零售介绍
3. 生活服务中商品知识图谱构建
4. 生活服务中商品知识图谱的应用

你将获得：

1. 了解生活服务领域的知识图谱
2. 了解知识图谱如何构建
3. 了解知识图谱如何落地

随着互联网的发展，知识图谱和深度学习已广泛应用并影响了不同业务场景下数据获取及计算的方式。知识图谱已变为问答系统、商品推荐等智能应用的基础设施，为上层业务在语义理解和可解释性上提供了依据。其中知识计算是知识图谱构建的关键一环，将各类数据、知识、经验以及信息进行表示、分类、融合、建模将知识表达成更接近人类认知的结构。

本次演讲从知识表示等知识计算出发，并结合小米的不同业务场景，来阐述知识计算的技术方案及在业务场景下的应用方式。

演讲提纲：

1. 背景及介绍
2. 小米关键的知识计算技术
3. 小米知识计算的应用
4. 示例及总结

你将获得：

1. 了解小米知识图谱的基本情况
2. 了解知识计算的部分技术细节
3. 了解小米多个场景下的知识计算的应用