超大规模图学习系统与平台
时间:2023-11-23
一、核心技术异质图建模理论与表示学习方法
针对复杂图数据结构知识的组织管理和表示学习难题,提出了面向多模态数据的异质图建模方法与基于元路径的语义分析技术
,设计了基于元路径随机游走的浅层异质图表示学习方法,引领了复杂系统建模与分析方式从同质图到异质图的转变。
相关成果发表CCF A类论文30篇,承担了项目“复杂异质网络化数据的建模理论与挖掘方法”,
获得 2020 年北京市科学技术自然科学二等奖以及2020年CCF科学技术自然科学二等奖。
二、规模复杂异质图数据智能分析与规模化应用
针对实际中图表示学习表达能力受限以及复杂交互系统中结构知识难用的问题,提出了复杂图神经网络建模技术和基于动态图异质图的智能服务技术,
构建了面向复杂工业图数据的图学习理论,推动了图学习技术的实用化,实现了规模化工业应用,助力了实体经济发展,保障了数字经济安全。
成果奠定了图表示学习产业化应用的理论基础,获得亚太数字供应链领导者大奖。
三、核心技术异质图建模理论与表示学习方法
针对工业应用中图数据巨量规模难算的问题,提出分布式图训练与离在线推断技术,研发工业级复杂图学习系统,构建异质图神经网络算法平台,
攻克了超大规模图学习难题。项目研发的技术应用于中国移动、国家电网等大型骨干中央企业和蚂蚁集团、阿里巴巴等数字经济的代表性企业,
涵盖电信、能源、金融和电商等行业,产生了显著经济效益,为五亿多用户提供了查询词精准推荐、交易安全审核、权益套餐推荐等日常服务,助力行业智能数字服务升级。