会议时间：2022年12月9日-12日
会议形式：线上举行，免费参加，全程录制
会议官网地址：[Learning on Graphs Conference (logconference.org)](https://logconference.org/ )
会议简介：
随着机器学习领域的迅速发展，其许多子领域也在迅速发展。在过去的十年里，图（graph）上的机器学习方法已经取得了长足的进步，特别是近年来，图深度学习的方法取得了不错的进展。这对需要处理图数据的各个应用领域来说是一大福音，如计算化学、交通网络、社交网络、推荐系统、医疗保健等等。
然而，图机器学习领域的快速增长也带来了一些新的挑战。到目前为止，已经有很多关于图学习的论文，这些论文包含了广泛的领域和方法；很少有研究人员可以跟上这个领域的所有这些方面。因此，现在比以往任何时候都更需要更有针对性的审稿人和高质量的评审。
虽然目前已经有几个成功的专门讨论图上学习的workshop（在NeurIPS、ICML、ICLR、KDD、WWW、WSDM、AAAI和其他场所），但workshop的规模已经变得非常庞大。例如，上一次亲自举办的图表示学习研讨会（NeurIPS 2019），有超过1300名注册参与者，这使得它成为会场第二大最受欢迎的研讨会，可能比机器学习的许多会议还要大。这么快的增长速度与workshop所提供的资源不相符。同时，最近面向图机器学习的workshop一般不会包括图上学习的所有子领域。这种重点活动的例子包括算法推理、分子发现、知识图谱的学习等workshop。理想情况下，图学习的所有子领域的研究都有适当的场所来展示和讨论研究，同时还能保持合作和联系，这很重要，因为关键的想法经常在不同子领域中重新出现。
我们相信，一个专门讨论图学习的新会议可以发挥重要作用，使图机器学习的研究超越现在的水平。今年，在一些世界顶级图学习研究人员组成的国际团队的帮助下，我们正在组织首届图学习会议（LoG）。在第一年，LoG会议将在线上举行，所有人都可以免费参加。LoG会议将有一个发表在PMLR上的论文集合。
项目简介：
我们目前收到了超过2000名来自世界各地的学生，研究者，教授，工业研究员等注册，我们会有71个poster presentation，12个oral presentation，8个tutorial，5个keynote，还会有2个social hour
希望大家踊跃报名参加！ https://www.eventbrite.com/e/learning-on-graphs-tickets-460966843237
加入我们的Slack Channel https://join.slack.com/t/logconference/shared_invite/zt-1ioovxfk3-az_J5HBCiNrKiw6rIAibSw
