新加坡国立大学的Xiang Wang、Tat-Seng Chua，以及来自中国科学技术大学的Xiangnan He在WSDM 2020会议上通过教程《Learning and Reasoning on Graph for Recommendation》介绍了基于图学习和推理的推荐系统，涵盖了基于随机游走的推荐系统、基于网络嵌入的推荐系统，基于图神经网络的推荐系统等内容。
WSDM 2020全称为第13届国际互联网搜索与数据挖掘会议（The 13thInternational Conference on Web Search and Data Mining, WSDM 2020），大会公布了最佳论文系列奖项，最佳论文由加利福尼亚大学圣克鲁兹分校（University of California, Santa Cruz，简称UCSC）获得-主轴的幂用于精确团计数，最佳论文亚军(Runner Up)论文由双曲度量学习由新加坡南洋理工获得-双曲度量学习。
WSDM Cup 2019：ByteDance-虚假新闻分类
该存储库包含在WSDM cup 2019任务1上提交1st place源代码。
问题
ByteDance是一家位于中国的全球互联网技术公司。他们的目标是建立一个全球性的内容平台，使人们能够以不同的形式享受各种内容，并重点关注跨语言，文化和地理区域的人们的交流，娱乐和启发。 ByteDance面临的挑战之一是打击各种类型的虚假新闻，此处指的是各种形式的虚假，不准确或误导性信息。结果，ByteDance创建了一个大型的虚假新闻文章数据库，
比吉
源代码适用于以下论文：“通过互信息最大化进行二部图嵌入”在WSDM 2021中被曹江霞*，林夕勋*，郭果，刘露辰，刘婷文，王斌（*表示相等贡献）接受。
inproceedings{bigi2021,
title={Bipartite Graph Embedding via Mutual Information Maximization},
author={Cao*, Jiangxia and Lin*, Xixun and Guo, Shu and Liu, Luchen and
