CCF@U1285场：CCF数据库专委走进长春理工大学

CCF@U1285场：CCF数据库专委走进长春理工大学

CCF走进高校第1285场

敬请关注

由中国计算机学会（CCF）主办，CCF数据库专委承办的CCF走进高校活动，将于2025年8月2日在长春理工大学召开，

敬请关注。

时间：2025年8月2日（周六）13:30-15:00

活动地点：长春理工大学南区实训楼310

报告题目：大模型与向量数据协同：进展与展望

报告摘要：针对大模型的“幻觉”问题，现有的大模型系统通常通过检索增强手段引入外部知识，而外部知识又往往蕴含在多源异构大数据中，统一管理困难。为此，实现外部知识统一利用的有效途径是先向量化管理多源异构数据，而后利用向量数据辅助大模型推理。本报告首先聚焦向量数据的获取、存储、查询等介绍向量数据管理，并汇报报告人负责团队在这方面的探索；其次面向文本数据、单细胞RNA数据、多模态数据等展示向量数据管理助力大模型推理，并汇报报告人负责团队在这方面的进展；最后，以向量数据管理这一“点”带动“数据+人工智能（Data+AI）”的“面”，展望大数据与大模型相互赋能的可能发展方向。

嘉宾简介：

高云君，浙江大学求是特聘教授，博士生导师，国家杰出青年科学基金获得者（2020）、国家优秀青年科学基金获得者（2015）。研究方向为数据库、大数据管理与分析、DB与AI融合，已发表CCF A类论文180余篇，出版专著或教材6本，授权专利40余项，登记软著10余项，并获CCF A类论文VLDB、ICDE最佳或优秀论文等7次，省部级或全国性学会科技进步特等或一等奖3项。现为ACM SIGSPATIAL中国分会副主席，全省大数据智能计算重点实验室主任，浙江大学软件学院常务副院长。担任DSE期刊执行主编，TKDE、JCST、FCS、《计算机研究与发展》等期刊（青年）编委/副编辑（Associate Editor），VLDB、ICDE、DASFAA等10余个顶级或重要会议程序委员会/Workshop/Tutorial/Demo/宣传/出版/本地联合主席（Co-Chair）或领域主席（Area Chair），SIGMOD、VLDB、ICDE、SIGKDD、SIGIR等会议（资深）程序委员会委员。培养多名博/硕士生获省部级或全国性学会优秀博/硕士学位论文奖10次以及KDD Cup 2022风电预测赛道全球冠军。

报告题目：知识图谱构建与金融领域应用

报告摘要：分析领域知识图谱构建面临的挑战，提出人在回路的领域知识图谱构建方法，通过人机交互实现知识图谱构建的降本增效。提出复杂语义环境下的知识图谱表示学习技术，基于有限的嵌入表示提高下游任务表现。在此基础上介绍基于知识图谱的金融风控大脑及其在典型场景中的应用。

嘉宾简介：

洪亮，教授，博士生导师。现任武汉大学人工智能学院副院长，入选武汉大学珞珈青年学者，优秀青年学者。在TKDE、TKDD、KDD等国内外高水平学术期刊和会议上发表论文80余篇，并获得10余项国内外专利授权，撰写中英文专著多部。获得高等教育国家级教学成果奖一等奖等奖项。现为中国计算机学会数据库专业委员会，大数据专家委员会执行委员。先后承担国家重点研发计划，科技创新2030-新一代人工智能重大专项，国家自然科学基金重点项目、面上项目、青年项目等项目。

报告题目：图数据库查询处理的统一框架

报告摘要：近年来，随着图数据应用的蓬勃发展，图数据库技术及其核心组件——图查询处理系统——已成为学术界和工业界广泛关注的研究热点。当前，针对正则路径查询（Regular Path Query）和子图匹配查询（Subgraph Matching Query）这两类核心查询模式，研究者们已提出了诸多高效的处理方法。然而，现有方法框架之间缺乏系统性整合，这种割裂状态既为图查询的端到端优化带来了重大挑战，同时也孕育着重要的研究机遇。本报告旨在突破现有研究框架的局限性，通过构建统一的查询操作符定义和优化框架，系统性地呈现图数据库查询处理的完整流程，为未来实现跨查询模式的联合优化方法奠定理础。

嘉宾简介：

庞悦是香港科技大学计算机科学与工程系周晓方教授领衔的赛马会数据科学基础科创实验室的博士后研究员。她毕业于北京大学，获数据科学（计算机科学与技术）博士学位。其研究聚焦图数据管理及图数据模型在智能系统中的应用，涵盖图算法、图查询优化及其在人工智能流程中的结构化知识表示等领域的应用，研究成果已发表于SIGMOD、VLDB、ICDE等国际顶级学术会议

报告题目：融合图表示学习与最优传输的图对齐研究进展

报告摘要：图对齐（Graph Alignment）是指预测两张图中所有匹配的节点对，例如识别不同社交网络平台中属于同一个人的账号。本报告首先简要回顾图对齐、图表示学习等基础知识，再对现有代表性图对齐方法进行简介。然后，介绍融合图表示学习和最优传输进行图对齐的几个研究进展，包括图对齐面对噪声的鲁棒性、图对齐的表达能力研究、融合大模型与最优传输的图对齐方法等。最后探讨图对齐的一些技术挑战和开放问题。

嘉宾简介：

刘钰，现任北京交通大学计算机科学与技术学院副教授、博士生导师，研究方向为大规模图计算与学习关键技术。2018年博士毕业于中国人民大学信息学院，于2018-2021年任北京大学博雅博士后，兼聘为北京大学重庆大数据研究院研究员。在图相关方向发表国际顶级会议和期刊论文（CCF A类）多篇，包括VLDB、SIGMOD、TKDE、ICDE、VLDB Journal等。主持国家级科技项目、国家自然科学青年基金、CCF-腾讯犀牛鸟科研基金、腾讯犀牛鸟专项研究计划、北京大学医信交叉种子基金等研究项目，作为课题骨干参与多项国家自然科学重点基金和北京通用人工智能研究院、华为2012、MSRA Research Grant等多个高水平研究项目。参与的华为合作研究获2023年（第3届）中国工业与应用数学学会（CSIAM）应用数学成果落地认证，主持的CCF-腾讯犀牛鸟科研基金获评优秀专利奖。参与编著《大规模图数据管理与分析》教材。

CCF微信公众号，欢迎关注