2022年，海南大学计算机科学与技术学院沈笑副教授以唯一第一作者或唯一通讯作者发表/录用CCF A类论文2篇，包括CCF A类国际顶级期刊IEEE TKDE和CCF A类国际顶级会议AAAI。其中，近日被AAAI录用的论文题目为“Neighbor Contrastive Learning on Learnable Graph Augmentation”。AAAI是人工智能领域中历史最悠久、涵盖内容最广泛的国际顶级学术会议之一，也是中国计算机学会CCF推荐的人工智能领域A类国际学术会议。AAAI-2023国际会议在美国华盛顿举办，共收到来自全球8777篇投稿论文，接受率仅为19.6%。

该AAAI论文提出基于可学习图增强的邻居监督图对比学习算法NCLA，具有以下两大创新点：

1） 现有的图对比学习方法通常采用人为设计的图增强策略，需要手动为每个图数据集选择合适的图增强参数，极大限制了图对比学习方法的效率和泛化能力。该论文提出的NCLA算法，采用多头图注意力机制端对端地自动学习图增强参数，可自动兼容到不同的图数据集，具有更强的泛化能力。另外，相比于人为图增强策略，论文提出的基于注意力机制的可学习图增强方案更安全，可在不破坏下游任务相关信息的条件下，生成具有一定差异性的增强视图。

2） 现有的图对比学习方法通常直接采用计算机视觉领域提出的对比损失，而忽略考虑了图的拓扑结构信息，从而导致学到的节点嵌入表示与图的同质性假设相矛盾。论文提出了针对图结构数据的邻居监督图对比损失，采用拓扑结构作为监督信号来定义对比学习中的正负样本。

图1：NCLA算法框架图

图2：NCLA提出的邻居监督图对比损失与CV领域的InfoNCE和NT-Xent对比损失的对比

丰富的实验结果表明，当节点标签信息极度缺乏时，相比于SOTA方法，论文提出的NCLA算法在节点分类准确率上具有显著的提升。 

该AAAI论文的第一作者为沈笑副教授，第二作者为海南大学计算机科学与技术学院2021级硕士生孙德望，论文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/硕士生导师。以唯一第一作者或唯一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，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，香港特区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，和香港创新科技署创新及科技基金研究人才库 (RTH-ITF) 资助。担任CCF A类顶级国际会议 (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)，和国家自然科学基金项目评审专家。