返回首页
动态图表征学习：结构、交互、语义与应用｜CNCC Tutorial
CNCC2026将于10月21-24日在成都举办。今年将继续推出Tutorial，本篇介绍的Tutorial是——动态图表征学习：结构、交互、语义与应用。
Tutorial是由领域内专家主讲，面向全体参会者开放的专题讲座或教学环节，旨在介绍研究领域的最新进展或基础知识，内容涵盖原理、挑战、方法等。可以帮助刚进入该方向的博士生、青年学者快速补齐知识短板，以便更好地参会后续的前沿报告理解与未来方向思辨。
今年Tutorial共设置11大主题板块：AI基础模型、机器学习理论与机理、强化学习与推理、视觉多模态与世界模型、AI安全与治理、数据科学与数据空间、机器人与具身智能、Agent智能体、新型计算与网络架构、AI4Science、AI+行业。
（扫码报名）
模块 | 时长 | 内容 |
1. 动机与问题定义 | 50min | 从现实场景中的关系演化出发，引入离散时间动态图、连续时间动态图与动态异质图，说明时间粒度和语义异质性带来的建模差异 |
2.动态交互图学习 | 50min | 讲解基于快照和基于事件的动态图学习，阐明二者在数据表示与建模方式上的差异，并讨论将二者纳入统一分类体系时面临的问题。 |
3. 动态异质图学习 | 50min | 介绍动态异质图的结构与语义特征，分析异质语义与时序演化的建模方式，讨论融合结构动态与语义演化的统一表征方法。 |
4. 应用与评估协议 | 50min | 介绍动态图学习的主要应用，讨论常用基准与评估协议，说明时序划分、负采样、模型泛化及大规模建模带来的挑战。 |
5. 开放问题与讨论 | 40min | 面向动态图学习的发展需求，讨论可扩展性、鲁棒性、基础模型与可信性等开放问题及未来方向 |
Tutorial简介
现实世界中的关联数据通常具有持续演化的结构、时序交互与多类型语义，推动图学习从静态结构建模走向动态过程表征。本教程围绕“如何统一表征时间演化与异质语义”这一核心问题，系统介绍离散时间动态图、连续时间动态图与动态异质图的主要建模范式，贯通结构演化、时序交互与语义建模三条技术主线。教程进一步结合金融风险、异常检测等高影响应用，讨论基准评测、可扩展性、泛化性、可解释性等关键问题，并面向大模型与图基础模型，探讨动态图表征迈向通用动态认知建模的发展方向。
Tutorial目标
参与者将能够：
掌握动态图表征学习的基本框架
理解动态图表征学习的统一分类体系，掌握不同类型动态图的基本概念、建模方式与适用场景。
理解动态图学习中的关键问题
认识动态图数据中的时序变化、动态交互与复杂语义，理解其对模型学习与分析带来的挑战。
掌握动态图学习的基本技术路径
熟悉图数据动态演化和异质语义的表征、训练与评估方法，具备根据任务需求选择适当方法的基本能力。
了解动态图学习的应用与发展方向
了解动态图学习在异常检测、推荐、信息传播和网络安全等场景中的应用，以及该领域面临的主要问题和未来发展方向。
讲者介绍
杭州电子科技大学教授
教授，杭州电子科技大学网络空间学院，网络科学与认知智能实验室负责人
研究方向包括复杂图机器学习、认知智能和人工智能安全。近五年以第一/通信作者在CCF-A类期刊会议/IEEE汇刊发表论文50余篇，累计引用3900余次，获ACM杭州新星奖、吴文俊人工智能自然科学二等奖、中国电子学会科技进步二等奖、中国发明协会二等奖等。曾在ICDM、DSAA等CCF推荐会议作邀请报告，并担任多个期刊和会议审稿人。
杭州电子科技大学博士研究生
杭州电子科技大学博士研究生，师从赵治栋教授和焦鹏飞教授。研究方向为数据挖掘与多智能体学习。在 ICML，IJCAI，IEEE TAI，IEEE TBD等期刊和国际会议上发表10余篇论文并担任 ICML、KDD、IEEE TNNLS、IEEE TSMC 等期刊或会议审稿人。参与国家自然科学基金项目2项，主持校研究生科研创新项目1项。曾获邱均平颜金莲教育奖金和国家建设高水平大学公派研究生项目资助等。
杭州电子科技大学博士研究生
杭州电子科技大学与新加坡国立大学（NUS）联合培养博士研究生，师从焦鹏飞教授。研究方向为动态异质图表征学习，入选2025年中国科协青年科技人才培育工程博士生专项计划。相关研究在CCF-A类及IEEE Trans.等人工智能与数据挖掘领域高水平会议和期刊上发表学术论文10余篇。参与国家自然科学基金项目2项，主持校研究生科研创新项目1项。曾获研究生国家奖学金、浙江省优秀毕业生等奖励。个人主页：https://huanliucs.github.io/。
天津大学英才教授
2012年获吉林大学计算机科学博士学位，2019-2020-年 University of Illinois Urbana-Champaign Data Mining Group 任研究学者。研究方向包括图机器学习，尤其是图神经网络、网络嵌入、社区发现及其在推荐系统、舆情分析方面的应用。已在TPAMI、TKDE、TOIS、AAAI、ICML、NeurIPS、ICLR、WWW、KDD 等发表100余篇顶级期刊和会议论文，担任Neural Networks、Information Sciences期刊编委、WWW、IJCAI、NeurIPS等顶会领域主席。
欢迎参加CNCC2026
CNCC是一个宏观论述技术趋势的大会，具有规格高、规模大、内容丰富等特点，会议形式包括大会特邀报告、大会论坛、专题论坛、特色活动及展览。大会汇聚两院院士、国内外顶尖学者、知名企业家等亲临大会，展望前沿趋势，分享创新成果。ACM、IEEE CS、IPSJ、KIISE等国际计算机组织的代表也多次获邀现场参加这一盛会。CNCC2026将于10月21-24日在四川省成都市举办，大会主题是“数聚驱动，智算未来”，欢迎各界前来参会。
京公网安备 11010802032778号
