DMIR实验室

10月23日上午，北京航空航天大学副教授彭浩应DMIR实验室蔡瑞初老师的邀请到访实验室，为实验师生作题为“网络内容认知与行为对抗技术”的学术讲座。

图1 | 彭浩老师作分享报告

在这次报告中，彭浩老师首先以通俗易懂的例子阐述了网络内容认知与行为对抗技术的现实意义，并简明扼要地介绍了研究背景及思路。

图2 | 研究背景

接着，彭浩老师介绍了一些相关工作，其中包括基于一种新的深度强化学习引导的DBSCAN参数自动搜索框架的递归式深度强化参数自学习的高效密度聚类（DRL-DBSCAN）和多智能体深度强化参数自学习的高效密度聚类（AR-DBSCAN），该框架使得模型更加稳定；以及一个增量、跨语言的异构图社交事件检测架构，该架构采用平衡抽样策略引导的对比学习机制以解决长尾问题，实现了跨语言的迁移社交事件检测。

图3 | 增强的异构图事件表示与检测模型

最后，彭浩老师介绍了结构熵优化，该方法能显著地提高强化学习的效率，同时介绍了一种新的增强、递归和灵活的邻域选择引导多关系图神经网络体系结构RioGNN，该模型能够很好地处理普遍存在的异构图。

图4 | 递归增强的图学习异常用户检测

本次报告内容深入而生动，易于理解，激发了实验室的师生浓厚兴趣，引发了深刻的研究讨论。这次报告让与会者受益匪浅，开拓了视野，拓展了知识，为未来的研究和实践提供了宝贵的灵感和见解。

图5 | 实验室师生踊跃参与讨论

CaMal (Causal Modeling and Machine Learning) 是DMIR实验室发起的国际因果关系与机器学习研讨会以及系列学术活动的简称。CaMal系列活动秉持学术至上、形式自由的原则，邀请国内外相关领域的一线学者展开交流合作，致力于推动因果关系、机器学习及相关领域的研究与探讨。