学院讲坛：大连理工大学于硕学术报告预告

一、报告主题：深度图学习：数据、方法和应用

二、报  告 人：于硕

三、报告时间：2025年12月28日（周日）上午9:30-10:30

四、报告地址：计算机大楼A411

五、报告摘要：

图数据（Graph-structured Data）广泛存在于现实世界，如社交网络数据、交通网络数据等。图数据的非欧特性使得对其有效表征尤为重要。然而，当前对图数据的表示方法受限于传统图数据的二元关系（节点-关系-节点）表达形式，对多元关系及隐式关系的捕捉能力不足。深度图学习方法能够有效增强数据质量、挖掘隐式关系，优化图数据表示，增强图学习方法表达能力，对如群体异常检测、疫情防控等现实应用有着十分重要的研究意义。报告围绕深度图学习的基本概念及分类展开，针对数据、方法和应用三个层面分别探讨深度图学习的相关工作。具体地，在社交网络分析方面，融合社交属性等对学术合作团队建模、识别、优化等全生命周期给出了一系列解决方案，研究成果对组建高水平学术团队、助力团队良性发展及跨学科团队建设给予量化分析与支撑；在异常检测方面，针对金融、医疗、国家安全等重要领域中不断升级的异常行为及异常模式展开研究，融合多源数据在约束查询条件的情况下识别群体异常，为群体异常检测提出了开创性方法，研究成果可应用于优化问答系统搜索结果，快速识别社交网络中虚假评论，有效阻断假新闻传播；在疫情防控方面，融合多因素提出城市风险评估方法，并基于时空图学习有效预测疫情扩散及传播风险。

六、报告人简介：

于硕，女，大连理工大学计算机学院副教授，计算机科学与技术学院院长助理。主要研究方向为图学习、脑科学、数据科学等。发表IEEE/ACM Transactions、CCF/CAAI A类高水平期刊及会议学术论文50余篇，Google Scholar引用近3000余次, h-index为23, i10-index为25。受邀担任ACM TKDD、IEEE TNNLS、IEEE TAI、IEEE TETC、IEEE TETCI、IEEE TII、IEEE Intelligent Systems等20余部顶级/重要国际期刊审稿人；担任领域高水平会议ICKG2025 Track Chair, TheWebConf SPC及多项IEEE国际会议PC Member等。于硕是IEEE Senior Member，ACM/CCF会员，CAAI终身会员，CAAI社会计算与社会智能专委委员，CAAI社会计算与社会智能首届新星执委委员。