计算机学院宣（文/图郭慧丰）2015年11月19日，应深圳互联网信息协同技术与应用重点实验室主任叶允明教授的邀请，华为公司诺亚方舟实验室（香港）的李震国研究员在A栋413为全校师生做了关于“华为诺亚方舟实验室的图挖掘技术”的学术讲座。
报告中，李震国研究员围绕华为诺亚方舟实验室的相关项目进行了深入浅出的讲解，报告的主要内容如下。首先，介绍了一种针对图数据、基于Markov Chains的学习框架——partially absorbing random walks。在这种框架下，一个随机游走者将在当前状态下，以一个确定的概率吸收来自邻居节点的流量，并以剩余的概率向外传导。在这一部分他对比了已有的pagerank、label propagation，以及图的拉普拉斯伪逆，并分析这些学习方法可以统一到前文提出的新的计算框架中；其次，介绍了一个最近的工作，基于尺度无关图数据的相似性计算方法——基于spark的simrank计算方法。该方法使用雅克比迭代法对原有计算进行分解，再通过蒙特卡洛采样方法进行模拟求解，减少计算复杂度，并使其可以分布式并行处理，极大的提升了运行效率。该工作发表于PVLDB2016。最后，介绍了2015年发表于ICDE的VENUS系统进行介绍和演示。这一系统是一个基于硬盘的图计算平台，可以计算大规模数据，并有很好的效率。一个无向图，有42million顶点，1.4billion边，有50台机器的spark集群进行计算需要8.1min，有高速硬盘的PC机的Graphchi计算需要13min，而一台只有普通硬盘的VENUS只需要5min就可以完成。
通过这一报告，师生们对于图计算以及大规模数据的图计算方法有了更多的了解和进一步的认识。报告过程中，师生和李震国研究员针对报告中的内容进行了沟通，李震国研究员对提出的问题给与认真细致的讲解和讨论，使大家受益匪浅，学习到了许多知识。
李震国简历：
李震国研究员现就职于华为技术有限公司诺亚方舟实验室（香港），研究方向包括机器学习和人工智能。他分别在2002年和2005年获取北京大学数学学士和硕士学位，2008年毕业于香港中文大学信息工程学院，获得博士学位。曾经作为一名助理研究员，在美国哥伦比亚大学电子工程学院进行数年研究工作。目前李震国研究员的研究工作集中于大数据的图计算方法及其解决方案，主要研究成果发表于NIPS，ICML，CVPR，ICCV，VLDB，和ICDE等国际顶级会议。