报告题目：面向无边信息系统的图学习方法研究：从多粒度构图到自适应模糊图推理
报告人：余斌
邀请人：何星星
时间：2026年6月11日（星期四）晚上18:30
腾讯会议：731-472-414
报告摘要：信息系统广泛存在于智能决策、模式识别和知识发现等领域，其数据通常以“对象—属性”形式组织，缺乏图神经网络所需的显式拓扑结构。如何有效构建对象关系、挖掘潜在图结构，并进一步刻画复杂环境下的不确定性关系，是图学习应用于信息系统的重要挑战。围绕上述问题，本报告系统介绍我们近年来在无边信息系统图学习领域的研究进展。首先，针对信息系统缺乏显式边结构的问题，提出多粒度图卷积学习框架，通过对象关系构建与多粒度表示学习，实现图神经网络在信息系统中的有效应用。随后，针对传统同构图难以刻画对象与属性异质关联的问题，引入阴影集理论构建异构图结构，实现对象关系与属性关系的联合建模。在此基础上，进一步研究不确定环境下的图学习机制，结合三支决策理论与模糊邻域关系，构建邻域自适应模糊图卷积网络，实现图结构的动态优化与鲁棒表示学习。同时，介绍多粒度深层图聚类网络在无监督学习场景中的探索工作，讨论深层图表示学习与自表达机制的融合方法。上述研究形成了“图构建—图表示—图认知—图决策”的统一研究框架，为图神经网络在无边信息系统中的理论研究与应用拓展提供了新的思路。
主讲人简介：余斌，博士，湖南师范大学副教授，硕导。长期致力于图学习、聚类分析与不确定性决策等领域的研究，已在《Fuzzy Sets and Systems》、《IEEE Transactions on Fuzzy Systems》、《IEEE Transactions on Knowledge and Data Engineering》、《IEEE Transactions on Neural Networks and Learning Systems》、《Pattern Recognition》等国际著名SCI期刊上发表论文60余篇。主持参加多项国家级和省级项目。
