2018年5月28号上午，应计算机学院认知计算与智能信息处理（CCIIP）实验室主任魏巍副教授的邀请，新加坡科技局（ASTAR）高性能计算研究所（IHPC）冯山山博士在计算机学院南一楼会议室433作了题为“Inf2vec: Latent Representation Model for Social Influence Embedding”的报告（时长1小时）。冯山山博士现为新加坡科技局（ASTAR）高性能计算研究所（IHPC）研究员，主要研究方向为社交网络分析，推荐系统和用户行为预测。目前已在包括AAAI,IJCAI,EMNLP，ICDE等在内的多个国际顶级会议上发表了多篇高水平学术论文。
在报告中，冯山山博士首先从网络信息传播影响力的例子入手，以朋友圈中好友点赞行为解释网络传播影响中的基本概念；分析了以往基于训练边参数方法的局限性：⑴无法识别隐含影响；⑵无法识别多跳转影响；之后，冯山山博士为我们详细介绍了他们发表在ICDE2018数据库顶级国际会议上的方法的主要思想，作为社交影响力传播分析的基本问题，如果有效学习影响因子问题被广泛研究。目前已有方法主要是估计每条边的传播概率，但是实际上由于数据稀疏性，很难有效估计所有的边的传播影响因子，尤其当没有足够的观察数据时。区别于以往的方法，该工作主要提出了一种新颖的传播影响力向量学习问题，其主要思想是利用对传播图中点的学习来替代对边的学习，以减少数据计算开销。所有的点在学习过程中被映射到低维空间向量中，因此传播影响力可以利用每条边的起点和终点的点向量计算求得其可能的影响概率。针对该问题，冯山山博士提出一种新的inf2vec方法，并用实验验证其优良的实验效果。最后，冯山山博士还分享了自己读博的经历，给在座的研究生们讲述自己的心路历程，并鼓励大家在读研期间培养多批判的思维模式和解决问题的思路。
本次报告吸引了来自学院多个实验室的老师和同学参加，冯山山博士内容详实、精彩生动的报告给前来聆听的师生们留下了深刻印象。所有到场的师生都表示收获颇多，针对报告的内容，到场的师生与冯山山博士进行了进一步地探讨和交流，会场气氛相当热烈。