AliGraph：一个工业级的图神经网络平台
2019年12月8日，神经网络和深度学习领域的顶会NeurIPS 在加拿大温哥华召开，阿里巴巴计算平台PAI团队和达摩院智能计算实验室开发的Aligraph在Expo Day 现场进行展示。
揭秘工业级大规模GNN图采样
互联网下的图数据纷繁复杂且规模庞大，如何将GNN应用于如此复杂的数据上呢？答案是图采样。结合阿里巴巴开源的GNN框架Graph-Learn（https://github.com/alibaba/graph-learn），本文重点介绍GNN训练过程中的各种图采样和负采样技术。
新突破！动态网络表征学习在推荐领域的创新与实践
在现实生活中，用户对于一件事物的关注度即关系图往往是会随着时间而改变的。按照静态图的建模方法将不能显示地建模用户在时序上的兴趣变化。动态网络表征学习不仅能学习到当前网络的结构信息，而且也能学习到网络在时间上的变化，但是目前主要还是针对动态同构网络，本文在此基础上提出了基于层次化注意力机制的动态图表征算法，是推荐底层算法模型上的一次突破。
