科研学术

　　近日，数据管理与数据库领域的国际顶级学术会议第38届国际数据工程会议（International Conference on Data Engineering，ICDE 2022）公布论文录取结果，我校计算机科学与工程学院（网络空间安全学院）2020级博士生刘顺程为第一作者的论文《Detecting Loaded Trajectories for Hazardous Chemicals Transportation》、2018级博士生陈宣浩为第一作者的论文《Influence-aware Task Assignment in Spatial Crowdsourcing》、2020级硕士研究生刘云飞为第一作者的论文《Robust Attributed Network Embedding Preserving Community Information》被接收，届时他们将在会议上展示成果并进行学术报告。

　　ICDE是电气与电子工程师协会（IEEE）举办的旗舰会议，与SIGMOD、VLDB并称数据管理与数据库领域的三大国际顶级学术会议，入选中国计算机学会（CCF）推荐的A类国际学术会议。ICDE会议长文的平均录取率为20%左右，这些论文涵盖了数据科学领域各项前沿工作。

　　图1 论文《Detecting Loaded Trajectories for Hazardous Chemicals Transportation》危化品运输检测系统框架图

　　危险化学品的运输可能会造成重大的生命、环境和财产相关的损失，因此必须建立健全的监管系统，以降低在运输危险化学品时发生事故的风险。现如今，世界各国的监管部门都使用GPS传感器来监控运输卡车的原始轨迹，但却很难确定出装载有危险化学品的轨迹，即载货轨迹，而这对于危险化学品运输过程的管理是至关重要的。具体来说，载货轨迹是运输卡车在行驶过程中装载有危险化学品时所产生的轨迹，也是原始轨迹的某个子轨迹。原始轨迹中的驻留点反映了运输卡车潜在的装载和卸载行为，为识别载货轨迹提供了一些可行性。然而，直接使用驻留点识别载货轨迹通常会得到较差的结果：驻留点处往往存在复杂的驻留场景，以及城市中可能包含大量的装载和卸载位置。

　　为了解决上述问题，2020级博士生刘顺程（导师：郑凯）为第一作者的论文《Detecting Loaded Trajectories for Hazardous Chemicals Transportation》（作者：刘顺程、许志、任慧敏、何天赋、韩博洋、鲍捷、郑凯、郑宇）提出了一种载货轨迹探测框架，以准确地从原始轨迹中识别载货轨迹。该框架将原始轨迹处理为一组候选轨迹，将每个候选轨迹进行编码，并使用候选轨迹的编码来检测识别载货轨迹。实验证明，本文提出的探测框架在真实数据集上的具备较高的准确率。

　　图2 论文 《Influence-aware Task Assignment in Spatial Crowdsourcing》空间众包任务分配算法流程图

　　随着智能手机的快速发展，空间众包问题受到了学者们的广泛关注。如何使任务分配最优化是空间众包的关键问题之一。考虑到工人对任务的偏好程度不同以及任务发布者存在要求执行任务的工人在社交网络上传播任务信息的潜在需求，2018级博士生陈宣浩（导师：郑凯）为第一作者的文章《Influence-aware Task Assignment in Spatial Crowdsourcing》（作者：陈宣浩、赵艳、郑凯、杨彬、Christian S. Jensen）提出了基于影响力的任务分配框架，在最大化任务分配数量的同时，最大化工人-任务影响力。论文首先通过工人执行任务的历史数据挖掘工人对于不同类型的任务的偏好。其次，考虑到工人和任务的空间分布，提出了“Historical Acceptance”方法度量工人执行任务的概率。随后提出了“Random reverse reachable-based Propagation Optimization”算法来计算工人获知任务信息后在社交网络上的信息传播范围。基于上述三种要素，提出了三种影响力感知的任务分配算法。提出的算法在真实数据集上表现优异。

图1 AnECI模型示意图

　　图数据结构自然地存在于现实世界的许多场景中，比如社交媒体网络中的社交图网络、科研领域的引文网络等。在过去的几十年里，图数据结构上的数据挖掘受到了研究者的广泛关注，其中图嵌入建模作为主流的图数据挖掘方法，更是备受关注。尤其是神经网络的出现，加速了图嵌入建模的研究进程。神经网络作为一种强大的编码工具，可以很自然的和图嵌入方法相结合，近些年涌现了大量的基于神经网络的图嵌入方法，都取得了很好的效果。然而，最近有研究发现神经网络容易受到攻击，尤其是图神经网络，在面对攻击时十分脆弱。具体表现为在对图结构或属性进行轻微变动的时候，导致（有监督或者无监督）任务的准确率下降，一些研究已经指出图神经网络在半监督框架下会面临上述的问题，并由此兴起了对鲁棒性半监督图神经网络模型的研究。然而，直观来看，图对抗攻击对图嵌入的方法威胁更大，因此，鲁棒性图嵌入方法的研究是很有必要的。计算机学院科学与工程学院（网络空间安全）学院2020级硕士研究生刘云飞在大数据研究中心刘震副教授和公共管理学院冯小东副教授的共同指导下撰写的论文，在以下两个方面提出了创新：1.提出了一种鲁棒的图嵌入模型AnECI，它增强了图嵌入模型在网络攻击和节点污染场景下的鲁棒性，这是第一个致力于提高图嵌入模型对抗网络攻击鲁棒性的工作。2.提出了一种新的模块度函数：传统的模块度函数仅仅关注节点间的一阶信息和非重叠的社区结构，然而在现实生活中的图数据中，节点之间往往存在高阶信息，以及不同社区之间往往都是重叠在一起的。该论文对传统的模块度函数进行了推广，使得其可以关注节点间的高阶信息以及适用于重叠的社区结构。并且，这种扩展后模块度函数可以作为损失函数和图神经网络框架结合在一起有效地指导图嵌入的学习。

　　相关链接：

　　电子科技大学数据智能与认知团队由郑凯教授和顾实教授共同组建，现有教授3人，副教授4人，研究生一百余人。团队目前重点关注的研究方向包括：智能数据库系统、时空数据挖掘、自动驾驶、推荐系统、医疗图像分析、智慧城市、类脑智能等。近三年在SIGMOD、VLDB、ICDE、KDD等顶级会议和期刊发表论文50余篇，在大数据和人工智能领域产生了较大的国际影响力。团队为长期参与学习和研究的本科生配备良好的软硬件条件，并由一线青年教师和资深博士进行科研指导。多数学生在本科阶段即可发表高水平学术成果。目前，团队承担和参与多项国家自然科学基金重点项目、科技部重点研发计划课题、以及校企合作项目。

　　刘震，计算机科学与工程学院（网络空间安全）副教授、硕士生导师，研究方向为图数据建模。主持和参与多项国家及省部级科研项目，已在IEEE Transactions on Cybernetics, IEEE Transactions on Geoscience and Remote Sensing等知名国际期刊发表多篇学术论文。谷歌学术总引用670余次。2020年入选四川省学术和技术带头人后备人选。近年来已指导多名本科生和研究生发表高水平学术会议和SCI期刊论文。他带领的团队致力于探索大数据和人工智能算法，主要深耕于图数据的表达学习和异常检测等问题。