计算机科学与技术学院沈笑副教授的论文被SCI一区国际顶级期刊IEEE TNNLS录用

  近日，海南大学计算机科学与技术学院人机物系统与智能创新团队沈笑副教授的论文“Domain-adaptive Graph Attention-supervised Network for Cross-network Edge Classification”被中科院SCI大类一区国际顶级期刊IEEE Transactions on Neural Networks and Learning Systems（IEEE TNNLS）录用。

  IEEE TNNLS是美国电气和电子工程师协会（IEEE）于1990年创办在机器学习、神经网络以及人工智能领域的学术性期刊，是人工智能、机器学习、模式识别等多个研究领域的国际顶级期刊，也是中科院SCI大类一区Top期刊，5年影响因子为11.2，该期刊中稿难度较高，录取率低于10%。

该论文具有以下两大创新点：

1） 该论文首次定义了跨网络同嗜边和异嗜边分类（Cross-network Homophilous and Heterophilous Edge Classification, CNHHEC）问题。如图1所示，在该问题中，源网络具有已知的节点标签和边标签，其中，同嗜边标签代表边上的两个节点拥有相同的类别，而异嗜边标签代表边上的两个节点属于不同的类别；而目标网络的节点和边均无标签。该问题的目的是迁移由源网络中学习的知识，准确区分目标网络中的同嗜边和异嗜边。

2） 该论文提出首个针对跨网络同嗜边和异嗜边分类的模型，即域自适应的图注意力监督网络（Domain-adaptive Graph Attention-supervised Network, DGASN），模型框架如图2所示。首先，该模型通过联合训练节点嵌入和边嵌入，学习可有效区分同嗜边和异嗜边的嵌入表示；其次，该模型创新地在图注意学习过程中采用直接监督的方式，一方面，减少异嗜边的注意力权重，以降低其在邻居聚合过程产生的负面影响，另一方面，增大同嗜边的注意力权重，以增强其在邻居聚合过程中的正面影响，从而更有效地区分同嗜边和异嗜边；最后；该模型采用对抗域适应技术学习具有网络不变性的边嵌入，以有效迁移源网络的知识为目标网络进行同嗜边和异嗜边分类。

图 1 跨网络同嗜边和异嗜边分类CNHHEC问题示意图

图 2 域自适应的图注意力监督网络DGASN框架图

  该论文第一作者和通讯作者为沈笑副教授，第二作者为海南大学计算机科学与技术学院2021级硕士生邵梦秋，论文其他合作者包括澳大利亚格里菲斯大学(Griffith University) Shirui Pan教授，海南大学计算机科学与技术学院杨天若院士，和海南大学热带作物学院周犀讲师。

  沈笑，香港理工大学博士和博士后，现任海南大学副教授，博士生导师。以第一作者/通讯作者发表高质量学术论文10余篇，包含CCF A类顶级国际会议 (AAAI、SIGIR、WWW)，CCF A类顶级国际期刊 (IEEE TKDE) 和中科院SCI大类一区国际期刊 (IEEE TNNLS、IEEE TCyb、IEEE TFS)。主持国家自然科学青年基金1项，国家自然科学地区基金1项，作为骨干成员参与香港创新及科技基金1项，和香港研究资助局优配研究基金2项。曾获英国伦敦大学杰出学术表现奖学金，香港政府最高等级奖学金 (Hong Kong PhD Fellowship, HKPFS)，香港理工大学杰出博士奖学金，香港理工大学电子计算学系杰出博士奖学金，香港创新科技署创新及科技基金研究人才库 (RTH-ITF) 资助，和第一批海南省“南海新星”科技创新人才。多次担任CCF A类顶级国际会议 (KDD、AAAI、IJCAI) 程序委员会委员 (Program Committee Member)，多个知名国际期刊 (IEEE TKDE、IEEE TNNLS、IEEE TCyb、ACM TOIS、ACM TKDD) 审稿专家，第7届数据科学和系统国际会议IEEE-DSS程序委员会主席 (Program Chair)，国家自然科学基金项目评审专家和澳门大学多年度研究资质项目评审专家。