ACM SIGKDD（国际数据挖掘与知识发现大会，KDD）会议始于1989 年，是数据挖掘领域历史最悠久、规模最大的国际顶级学术会议，也是首个引入大数据、数据科学、预测分析、众包等概念的会议。今年的KDD大会是第29届，于8月6日-10日在美国加州长滩举办。华为云算法创新lab算法研究员周敏联合香港中文大学、香港科技大学、德国斯图加特大学多位学者在KDD组织双曲图网络相关教程，教程吸引了与会学者的积极参与与反馈，产生了很好的业界影响力。

      表征学习是为机器学习和人工智能中重要的手段, 其中的基本流形假设是内在维数的输入数据比输入特征低得多空间维度。当前的大多数表征学习都是在欧几里德空间中进行的，因为欧几里德空间是自然的概括我们的直觉友好的视觉三维的空间。 但是很多领域的复杂类型数据（推荐，图像、疾病，语义等）表现出非欧式的隐含结构(层次结构)。曲率空间是欧氏空间的拓展，天然适合建模复杂网络，在实际工业场景下有很大的应用潜力，受到了学术界与工业界的广泛关注。

      本次教程首先回顾了该领域的现有方法体系，进一步介绍双曲图学习在推荐、知识图谱、医疗健康等场景的应用，最后介绍了该领域目前的一些挑战以及机遇，为该领域的发展提供了新的思路。

      教程主页： https://hyperbolicgnn.github.io/