近年来，自监督学习已成为广受关注的深度学习前沿领域，在自然语言处理、计算机视觉与语音处理领域取得了巨大成功。据 Microsoft Academic 统计，从 2016 年起，自监督学习的论文发表量和引用量呈现出指数级增长的趋势。自监督学习的目标是利用输入数据自身作为监督信号，从而避免使用大量难以获取的人工监督信息。
尽管当前许多工作已经大幅提高其在文本、图像等数据上的性能，但自监督学习在诸如检索、推荐、图数据挖掘、社交网络分析等问题上的应用还亟待探索。鉴于此，我们在 WWW 2021 举办自监督学习 workshop，并诚挚邀请从事机器学习、自然语言处理、计算机视觉、图挖掘与网络挖掘等领域的相关研究者投稿参与交流讨论。
由于本次 workshop 不计入 proceeding，我们也同时欢迎已发表或者在审的论文投稿。热点研究领域包括但不限于：自监督学习理论与算法、预训练模型与训练技术、生成式预训练学习、对比学习、表示学习、自监督学习在文本、图像、图结构、多媒体数据上的应用、图神经网络、Transformer 与注意力机制、知识图谱嵌入与表示。提交截止日期：2021 年 3 月 1 日。
Workshop 举办时间：2021 年 4 月。更多详情请点击阅读原文或查看 workshop 主页：https://www.aminer.cn/ssl_www2021。