报告时间、地点：
报告时间：2026年10月29日，周四 14:30开始
报告地点：华南理工大学 大学城校区，B10中座101
报告摘要：
图学习在社交网络分析、推荐系统等任务中得到广泛应用，但仍面临公平性与大规模计算效率等挑战。本报告围绕公平图学习和可扩展图学习，介绍三项相关研究。首先，从谱域视角分析骨干模型的表达能力与预测公平性之间的联系，探讨公平图学习的模型设计。随后，介绍两条提升图学习可扩展性的技术路径：利用层次化结构获取，在保留表达能力的同时按需分配计算；利用随机自适应谱估计，减少全图特征分解的开销，支持大规模图上的高效训练。报告将结合问题动机与方法设计，分享面向公平性和大规模应用需求的图学习研究思路。
主讲人简介：
杨明奇，华南理工大学电子商务系助理教授，大连理工大学博士，曾为新加坡国立大学访问博士生、博士后研究员。主要研究方向包括机器学习、图数据挖掘、大语言模型、数据科学与商务智能，代表性成果发表于NeurIPS、ICML、KDD、AAAI、TKDE、TKDD、WWW等会议和期刊。主持国家自然科学基金青年科学基金项目（C类）、NSFC-广东省联合项目及广东省基础与应用基础研究基金面上项目。担任CIKM高级程序委员会委员（SPC），以及TKDD、NeurIPS、ICLR、AAAI、ICME、《系统工程学报》等期刊会议审稿人。
