科研学术

近日，计算机科学与工程学院（网络空间安全学院）2021级硕士研究生潘尔林的论文“Beyond Homophily: Reconstructing Structure for Graph-agnostic Clustering”成功录用于第四十届国际机器学习会议（International Conference on Machine Learning，ICML）。潘尔林为论文第一作者，其导师康昭副教授为通讯作者。ICML会议每年举办一次，作为公认的人工智能三大顶级会议之一，其代表着当今人工智能研究的最高水平以及热门科研领域的最前沿，具有广泛而深远的国际影响力，受到来自学术界和工业界的广泛关注，也是中国计算机学会（CCF）推荐的A类会议。

模型基本框架

该篇论文是潘尔林同学继NeurIPS后的又一重要工作，文中提出使用重新构图和混合滤波来解决图（特别是异质图）的无监督聚类问题。当前对异质图上的研究工作都是针对半监督、监督任务，首先根据标签信息把图数据分为同质图和异质图，然后设计不同的模型来分别处理。该工作是对异质图无监督任务的首次探索。尤其是，在无监督场景下，图的同质/异质性无从得知，这个工作也为各种类型的图结构数据提供了一个通用的处理框架。该方法有三个重要模块：1）图重构模块：对图数据重新构造同质、异质两个拓扑结构，特别是同质拓扑的构造中，首次使用二阶拓扑趋近于一阶拓扑的思想来提高结构的同质度；2）混合滤波器：基于构造的图，使用混合滤波来融合图数据的拓扑和节点特征，充分利用数据高频、低频的信息；3）双生图聚类网络：将滤波后的特征和原始拓扑信息在不同子空间中学习嵌入，减少了信息冲突。该工作在图聚类，特别是异质图聚类中有巨大优势。其中，重新构造图结构的方法十分新颖，在其他图学习等任务中具有巨大的应用潜力。

康昭副教授主要从事无监督机器学习、社交媒体挖掘与分析、自然语言处理及其应用研究。先后入选百度全球高潜力AI华人青年学者百强和斯坦福大学全球前2%顶尖科学家榜单（World’s Top 2% Scientists）。已在人工智能领域的国际顶级会议和期刊发表论文90余篇，包括NeurIPS，ICML，CVPR，SIGKDD，ECCV，IEEE TCyb，TKDE，TIP等，其中6篇入选ESI前1%高被引论文，谷歌学术引用3700次左右，H-index 35。于高教社出版《人工智能基础》教材1部。多次受邀担任相关领域顶级期刊(如JMLR、IEEE TPAMI) 的审稿人和会议（如ICML、NeurIPS、AAAI、CVPR、ICCV、ICLR）程序委员会(高级)委员，AAAI 2022领域主席。近五年指导本科生发表了18篇高水平学术论文，大部分学生毕业后进入布朗大学、哥伦比亚大学、杜克大学、清华大学等海内外名校深造。

论文链接：

　　https://zhaokang.site/publication.html