CCF东莞理工学院学生分会举办“Deep Neural Network for Cyber-Physical-Social Intelligence”学术讲座

CCF东莞理工学院学生分会于2025年11月26日上午组织了一场聚焦大数据与人机物融合智能前沿技术的学术讲座。本次讲座特邀关西大学计算机科学与工程学系周晓康教授担任主讲人。周晓康教授是数据科学与智能系统领域的国际权威专家、IEEE Fellow，会议以“Deep Neural Network for Cyber-Physical-Social Intelligence”为主题，深入解析了在赛博-物理-社会系统背景下，如何利用深度神经网络进行以用户为中心的大数据分析与处理。讲座开始前，执委会成员布置场地、负责签到工作等工作，保障活动的有序进行。

图1 讲座介绍及开场

在正式进入主题前，周晓康教授首先回顾了大数据技术的发展历程。他指出，从十多年前关注“3V”或“5V”（Volume, Velocity, Variety等）特征的“大数据1.0”时代，到七八年前关注IoT、健康医疗等具体应用场景的“大数据2.0”时代，数据的内涵已发生深刻变化。如今，我们正处于一个全新的阶段——不再仅仅关注数据的大小，而是关注数据如何服务于人。随后，周教授引入了本次讲座的核心概念：赛博-物理-社会系统（Cyber-Physical-Social Systems, CPSS）。

图2 周教授介绍大数据发展历程

周教授指出，现代数据环境是一个混合体，包含来自互联网与社交媒体的“赛博空间”、来自传感器与可穿戴设备的“物理空间”以及涉及人类交互的“社会空间”。这种多模态、异构且动态变化的数据环境，构成了“以用户为中心”的数据分析基础。“传统的单一维度数据分析已无法满足需求，我们需要处理的是混合型数据。”周教授强调，在 CPSS 框架下，研究重点在于如何通过“Internet of People”将人与人、人与物、人与内容连接起来。他详细介绍了团队利用高阶神经网络（如图神经网络、超图等）在数据清洗、整合及挖掘方面的研究工作，重点涵盖了异常检测、人类活动识别以及文本挖掘等关键任务。

图3 探讨以用户为中心的数据分析框架

在应用案例环节，周教授以“学术社交网络”为例，深入剖析了如何利用 CPSS 思维解决实际问题。他展示了如何通过分析学者、论文以及合作关系之间的复杂连接，构建以学者为中心的画像。在这个网络中，不仅有显性的引用关系，还隐含着基于研究兴趣、地理位置迁移等多维度的关联。通过深度学习模型，可以有效解决学者推荐、影响力分析以及潜在合作预测等问题。这种将“人”作为核心节点，整合其在物理世界（如位置、活动等）和赛博空间（如发表记录、社交关系等）数据的思路，完美契合了 Cyber-Physical-Social Intelligence 的技术愿景。

讲座临近尾声，现场进入了热烈的互动环节。针对同学提出的“在图神经网络中如何解决冷启动问题”——即当新节点加入网络且没有连接关系时如何进行推荐，周教授给出了专业解答。他建议可以利用节点的属性信息作为初始特征，或者采用迁移学习的方法，将其他成熟领域的知识迁移过来，从而缓解冷启动带来的挑战。此外，对于随机游走算法在不同场景下的准确性问题，周教授也进行了耐心的探讨。

图4 现场提问环节

在东莞理工学院 CCF 学生分会的全力保障下，这场前沿学术讲座圆满落幕。现场同学不仅近距离领略了国际顶尖学者在数据科学领域的深厚造诣，更深入理解了从传统大数据向以人为中心的 CPSS 智能分析转变的技术逻辑。周晓方教授分享的研究范式与方法论，为同学们在人工智能、物联网与社会计算交叉领域的学术探索提供了宝贵的思路与指引。