報(bào)告時(shí)間：2024年11月20日（周三）下午12：30
報(bào)告地點(diǎn)：長(zhǎng)安校區(qū)計(jì)算機(jī)學(xué)院320
報(bào)告人簡(jiǎn)介：
劉杰，計(jì)算機(jī)學(xué)院2019級(jí)博士研究生，師從尚學(xué)群教授，主要從事圖神經(jīng)網(wǎng)絡(luò)、圖異常檢測(cè)、復(fù)雜圖挖掘的研究，已在A(yíng)AAI、IJCAI、ICDE、Nerual Networks等頂級(jí)學(xué)術(shù)會(huì)議及期刊上發(fā)表學(xué)術(shù)論文5篇。
項(xiàng)目概況及報(bào)告內(nèi)容：
受學(xué)校研究生院領(lǐng)軍計(jì)劃資助，劉杰同學(xué)于2022年08月至2024年11月期間，到澳大利亞昆士蘭大學(xué)計(jì)算機(jī)學(xué)院進(jìn)行了為期27個(gè)月的學(xué)習(xí)訪(fǎng)問(wèn)，外方導(dǎo)師為澳大利亞Future Fellow陰紅志副教授。訪(fǎng)學(xué)期間，該生聚焦于圖異常檢測(cè)和圖表示學(xué)習(xí)領(lǐng)域，并取得了一些顯著成果。其研究涵蓋了圖數(shù)據(jù)的復(fù)雜特性以及異常檢和分類(lèi)算法的創(chuàng)新。共發(fā)表了三篇重要論文：《Imbalanced node classification beyond homophilic assumption》，《Bourne: Bootstrapped self-supervised learning framework for unified graph anomaly detection》，以及《Spatial-temporal Memories Enhanced Graph Autoencoder for Anomaly Detection in Dynamic Graphs》。這些論文中，該生提出了針對(duì)圖數(shù)據(jù)特性的獨(dú)特方法，解決了傳統(tǒng)圖算法在處理復(fù)雜、異質(zhì)網(wǎng)絡(luò)時(shí)遇到的挑戰(zhàn)。
此外，該生在訪(fǎng)學(xué)期間還積極參加了國(guó)際學(xué)術(shù)交流活動(dòng)，包括在澳門(mén)舉辦的IJCAI 2023以及在荷蘭舉行的ICDE 2024。通過(guò)這些會(huì)議，我與領(lǐng)域內(nèi)的專(zhuān)家和同行進(jìn)行了深入的交流，獲取了最新的研究進(jìn)展和前沿動(dòng)態(tài)，收獲了寶貴的學(xué)術(shù)交流經(jīng)驗(yàn)和成就感，為未來(lái)繼續(xù)深入研究圖數(shù)據(jù)挖掘打下了堅(jiān)實(shí)的基礎(chǔ)。
本次報(bào)告將介紹該生在澳大利亞昆士蘭大學(xué)學(xué)習(xí)的收獲和體會(huì)，以及在“圖表示學(xué)習(xí)及異常檢測(cè)”方面取得的成果，主要包括：不平衡異配圖表示學(xué)習(xí)，靜態(tài)圖異常檢測(cè)，動(dòng)態(tài)圖異常檢測(cè)等。
計(jì)算機(jī)學(xué)院 研究生院
2024年11月14日
（審核：李春科）
