2026年6月26日，CCF天津大学学生分会承办CCF走进高校（CCF@U）第1451场专题讲座，在天津大学北洋园校区55楼B204会议室圆满开展。本次活动特邀大连理工大学计算机科学与技术学院副教授于硕带来题为《深度图学习：数据、方法和应用》的学术报告，校内计算机相关专业师生到场参与交流。

讲座主讲人于硕副教授为CCF专业会员，长期聚焦图机器学习与群智能方向，学术成果丰硕。她已在领域高水平期刊、国际会议累计发表学术论文60余篇，曾斩获首届SMP-IDATA晨星青年基金、2022年度ACM大连分会学术新星奖、中国人工智能学会CAAI社会计算青年学者新星奖、大连理工大学优秀博士学位论文等多项荣誉；同时先后获得IEEE CSDE 2020最佳论文奖、ACM/IEEE JCDL2020杰出论文提名、IEEE DataCom 2017最佳论文等会议奖项，学术论文总引用量达三千余次。此外，于硕副教授长期深耕学术服务工作，先后担任ICDM、KG2022、SAC等多个顶级数据挖掘、知识图谱国际会议程序主席、分会场主席，并受聘TKDD、TETC、TNLS、Artif. Intell. Rev.等权威期刊特邀审稿人，在图学习、数据挖掘领域具备深厚的研究积淀与行业视野。

报告环节，于硕副教授从现实场景切入，系统拆解深度图学习完整研究体系。她介绍，图结构数据广泛存在于社交网络、交通路网等真实场景，但传统知识图谱三元组表达存在的表征局限，指出单一三元组结构难以刻画复杂高阶关联，需要依托图结构挖掘高阶网络模体特征；不同场景下的网络具备差异化标志性高阶结构，挖掘这类结构特征能够有效提升图模型对数据的理解能力。

于硕副教授结合自身团队研究成果，讲解面向高阶结构建模的相关探索。针对传统图卷积网络无法充分利用网络内部关联结构的不足，相关研究将高阶三角结构融入节点表征学习，显著提升社交网络任务效果，相关成果获得国际会议杰出论文提名；同时她介绍了图力学习相关研究，针对现有图嵌入存在的表征重合问题，提出新的优化思路以完善图表示学习范式。报告中，于硕副教授还介绍了团队开展的多项延伸研究，涵盖图学习与量子场理论交叉方向、基于学术大数据的科研合作挖掘等相关工作，分别从理论可解释性优化、真实场景落地应用等角度展示了深度图学习的拓展研究思路。

整场报告将基础理论、算法创新与行业落地应用相结合，完整梳理深度图学习领域的研究脉络与发展方向，清晰展示从基础建模到交叉拓展、行业落地的完整研究体系。

分享过程中，在场同学围绕大规模图数据处理、深度图学习工程化落地等热点问题与于硕副教授展开热烈互动，于副教授细致解答大家提出的科研难点、选题思路、论文建议等相关疑问，现场学术交流氛围浓厚。

本次CCF走进高校天津大学专场活动的成功举办，不仅为学院师生带来前沿学术视野，激发了科研创新思维，更进一步打通了校际科研交流渠道，营造了崇尚学术、追求卓越的良好育人氛围。