出访人员名单（含领队）

钟璐英

出访国家（地区）

西班牙巴塞罗那

实际

出访时间

2024年8月23日

至         2024年8月30日

实际出访路线

福州长乐机场-上海浦东机场-戴高乐机场-巴塞罗那机场-北京首都机场-福州长乐机场

出访任务

参加KDD2024国际会议

出

访

成

果

报

告

2024年8月，我有幸受邀参加了在西班牙巴塞罗那举办的KDD2024国际会议（ACM SIGKDD Conference on Knowledge Discovery and Data Mining）。KDD2024会议是数据挖掘和知识发现领域的国际顶级会议，该会议致力于示在大数据、数据挖掘、机器学习和人工智能领域的最新研究成果与创新应用。KDD2024包括论文报告、主题演讲、教程和研讨会等丰富多彩的活动，覆盖数据分析、预测建模、异常检测、推荐系统、图分析、因果推理等多个前沿主题。会议不仅强调理论研究的创新，还高度重视数据科学在实际问题中的应用，涉及金融、医疗、互联网、零售等行业的实践案例。

我在大会上做了题为《Bridging and   Compressing Feature and Semantic Spaces for Robust Graph Neural Networks: An   Information Theory Perspective》（基于连接和压缩特征和语义空间的鲁棒图神经网络：一种信息论视角）的报告，向与会者介绍了我们团队在表征学习领域的最新研究成果。该工作致力于解决现实世界中低质量图数据和空间分布差异的问题。为了应对这些挑战，我们提出了一种新颖的鲁棒DIB-RGCN框架。首先，我们分析了分布差异的原因，并从理论上证明了特定空间中的最小充分表示无法保证下游任务的最佳性能。接着，我们设计了一种新型的双通道来规范特征和语义空间，消除了空间之间与任务无关信息的共享。与现有去噪算法采用随机丢弃方式不同，我们创新性地使用本地邻近表示替换潜在的噪声特征和边缘。这种设计降低了特定边缘的系数分配，在缓解原始表示干扰的同时保留了图结构。此外，我们在特征空间和语义空间之间最大限度地共享任务相关信息，以减少它们之间的差异汇报过程中，我详细讲解了研究的背景、方法、实验结果和结论，并与现场的学者进行了深入的讨论和交流。大家对我的研究成果表示了浓厚的兴趣，并提出了许多宝贵的建议和意见。

在大会期间，我积极参与了多场学术报告和研讨会，与来自不同国家和地区的同行进行了广泛的交流。通过聆听其他学者的报告和参与讨论，我了解了图学习领域的最新发展动态和研究趋势。这些交流不仅拓宽了我的学术视野，也为我的后续研究提供了新的思路和灵感。

参加KDD2024国际会议是我学术生涯的一个重要里程碑。这次会议之行对我产生了深远的影响，不仅让我能够与来自世界各地的优秀学者交流讨论，还让我更深入地了解了深度学习领域的最新进展。我期待着未来有机会能够与更多的国内外同行开展合作，共同推动所研究领域的发展。

该团组已进行事后公示。　　　　　　　　　　　　（领队签字）

遵守外事纪律情况（含意见和建议等）：

严格遵守出访纪律。