近日，知识发现与数据挖掘国际会议ACM SIGKDD Conference on Knowledge Discovery and Data Mining，KDD2024发布论文接收结果，我院周经亚教授团队的论文“A Deep Prediction Framework for Multi-Source Information via Heterogeneous GNN”被大会Research Track录用。ACM KDD是数据挖掘领域顶级会议，也是中国计算机学会（CCF）推荐的A类国际学术会议，在数据挖掘领域享有极高的声誉，对研究成果的创新性、技术领先性、系统完备性以及写作水平有着极其苛刻的要求。KDD大会至今已成功举办29届，每次都吸引大量来自世界各地的学术界、工业界专业人士参与，第30届会议将于今年8月25-29日在西班牙巴塞罗那举办，本次大会Research Track共收到2046篇投稿，录用率约为20%。本次录用论文的第一作者是我院2020级硕士研究生吴臻同学（现已毕业），通讯作者为周经亚教授，合作单位包括东南大学和美国佐治亚理工学院。

信息传播预测一直是社交网络研究中的关键性、基础性问题，其应用前景相当广泛，例如，可用于实现舆情监测、在线网络营销、社交推荐以及谣言监测等。当前研究主要关注对单个信息传播级联的预测，对级联关注用户的采样普遍采用逐跳方式，存在大量冗余，且缺乏通用性和泛化能力。为此，本文提出一种面向多源信息传播的通用模块化预测框架，在该框架下设计实现柔性时间划分与动态带权采样进一步优化模型，通过在三个真实数据集上的大量实验表明，本文所提框架在多个预测性能指标上的表现均优于当前最先进方法，并且具有很好的通用性和可解释性。在双盲评审过程中，多位评审专家对本文的写作水平（Presentation Quality: 3）给予满分评价，其中一位评审专家对本文的技术先进性（Technical Quality: 7）和创新性（Novelty: 6，满分7分）分别给出满分和接近满分的评价。论文及评审信息将于近期在Openreview公开。

该项研究工作得到了国家自然科学基金面上项目、江苏省高等学校自然科学研究重大项目以及江苏省优势学科等项目的资助，论文信息如下：
Zhen Wu, Jingya Zhou, Jinghui Zhang, Ling Liu, Chizhou Huang. A Deep Prediction Framework for Multi-Source Information via Heterogeneous GNN, 30th ACM SIGKDD Conference on Knowledge Discovery and Data Mining (KDD), August 25-29, 2024, Barcelona, Spain.