图神经网络（AliGraph）在阿里巴巴的发展与应用
在大数据的背景下，利用高速计算机去发现数据中的规律似乎是最有效的手段。为了让机器计算的有目的性，需要将人的知识作为输入。我们先后经历了专家系统、经典机器学习、深度学习三个阶段，输入的知识由具体到抽象，由具体规则到特征再到模式，越来越宏观。相对来说，抽象的层次变高了，覆盖面变广了，但我们对底层的感知变弱了，模型的可解释程度变差了。事物发展往往遵循这样的规律，先有客观事实，再有原理支撑，之后是普遍推广。深度学习的应用已经让我们看到了非常可观的价值，但其背后的可解释性工作进展缓慢，也因为如此，当我们用深度学习去解决一些风控、安全等业务场景，那数字效果不足以支撑这项技术的应用，我们更需要知道结果后面的
阿里巴巴开源GNN框架Graph-Learn
项目地址：https://github.com/alibaba/graph-learn
阿里巴巴近期开源了面向图神经网络（GNN）的框架Graph-Learn（GL，原AliGraph）。框架由阿里内部团队研发，研发同学分别来自计算平台事业部-PAI团队，新零售智能引擎事业群-智能计算实验室，以及安全部-数据与算法团队。
用户留存建模实践
在流量分析型产品的用户分析模块中，留存、互访、新老客构成等数据都是有效衡量用户粘性与促活召回的关键性指标；但是，我们发现在很多流量运营的业务场景中，留存分析建模都显著存在着设计和计算上的诸多问题。本文将针对用户留存建模实践进行讨论。