报告题目：面向图分类任务的数据增强方法研究
报告摘要：
图结构数据（Graph）在我们的日常生活中无处不在，如社交网络、知识图谱和分子图等。图上的机器学习方法，尤其是图神经网络，作为一种强大的图结构数据建模的深度学习工具，近年来在学术界和工业界都取得了巨大的成功。图神经网络在解决图分类问题中具有非常强大的功能，但由于图结构数据的缺失和建模的成本，其在真实世界图上的有效性往往受到了很大的限制，因此当有标注的训练数据极其有限时，基于GNN的图分类模型很容易对训练数据过拟合并表现出对测试数据泛化能力不足的问题。本次报告的内容将展示我们是如何通过图数据增强的方法解决以上问题。
个人介绍：
李嘉兴，来自东南大学计算机科学与工程学院影像实验室，目前研究生二年级在读。指导老师为孔佑勇老师。主要的研究方向为图神经网络，图小样本问题建模。硕士期间到目前为止以第一作者撰写论文三篇，以第三作者发表顶会论文一篇（IJCAI 2022）以及以第一学生作者发明专利一项。