计算机（网安）学院康昭老师指导“双A”班本科生在顶级会议ACM MM发表论文

近日，计算机（网安）学院智能金融与区块链金融“双A”联合学位实验班2021级本科生沈智翔的论文“Balanced Multi-Relational Graph Clustering”被CCF A类会议ACM International Conference on Multimedia (ACM MM）接收。沈智翔为论文第一作者，计算机（网安）学院2021级本科生何浩岚为论文第二作者，计算机（网安）学院康昭副教授为通讯作者，必威官方客服为唯一单位。

图 1：基于真实图数据的实证分析

异构多关系图是一种复杂的图数据结构，具有丰富的语义信息。多关系图在许多现实领域中都有广泛应用，如社交网络、生物信息学、推荐系统和知识图谱等。然而，现有研究工作通常忽视了异构多关系图中的视图不平衡现象。这一问题对于分析多层图结构具有重要意义，视图之间的不平衡会影响分类、聚类、表征学习等多种任务的性能。

图 2：论文提出的图聚类算法框架

为了量化图结构与下游任务之间的相关性，论文提出了一种新的度量标准——聚合类距离（ACD）。基于现实世界的异构多关系图数据的实证分析不仅展示了视图不平衡的普遍性，也体现了ACD在评估视图质量方面的有效性（详见图1）。论文同时提出了一种新型的图聚类算法：平衡的多关系图聚类（详见图2）。该方法通过无监督的优势视图挖掘和双信号引导的表征学习，在无需数据标注的场景下克服了异构图数据中的视图不平衡挑战。相应的理论分析进一步保证了ACD指标与图聚类算法的有效性。在真实世界与合成数据集上的广泛实验表明，所提出方法在任何数据集的任意指标中均取得了当前最优的结果，充分展示了方法的优越性能。

该方法在金融科技领域有广泛的应用前景。平衡的多关系图聚类可以帮助识别金融交易网络中的潜在的市场趋势和风险。通过分析不同金融实体之间的复杂关系，更准确地进行风险评估、欺诈检测和投资组合优化，从而提高金融决策的科学性和可靠性。

　沈智翔同学于2022年10月加入康昭副教授课题组。近5年，康昭副教授已指导本科生发表23篇高水平学术论文，其中CCF-A类会议和中国科学院1区期刊论文11篇，大部分学生毕业后进入哥伦比亚大学、杜克大学、布朗大学、清华大学等海内外名校深造。课题组已在ICML，NeurIPS，AAAI，IJCAI，ICDE，ACM MM，CVPR，SIGKDD，ECCV，ICDM，SDM，CIKM，COLING等国际顶级会议和IEEE TKDE，IEEE TIP，IEEE TNNLS，IEEE TCyb，PR等国际知名期刊上发表了100余篇论文，其中CCF-A类和中国科学院1区论文40余篇，谷歌学术引用5500余次，H-index 42。

　　智能金融与区块链金融“双A”联合学位实验班面向国家在金融科技和区块链领域的重大战略需求，依托必威官方客服在计算机科学技术与人工智能等信息科技方面和西南财经大学在金融方面的学科专业优势，充分整合两校的优质教育资源，采用“新工科+新商科”的创新教育模式，共同培养既掌握计算机、大数据、人工智能、区块链等核心技术，又通晓资产定价、风险管理、量化投资、金融创新与监管等金融理论，信息科技与现代金融深度交叉融合，对未来金融的发展规律和业务场景具有深刻理解，具有跨界创新能力的复合型金融科技精英。通过系统锻炼学生的获取知识能力、应用知识能力和创新能力，使之成为能从事人工智能基础理论研究、金融学理论及应用、智能金融应用与创新实践的创新引领性人才。

往期回顾