近日，江苏科技大学永利3044浏览器杨习贝教授课题组（数据科学与知识工程团队）在图学习研究领域连续取得重要进展，两项重要研究成果分别被国际顶级学术会议2026 Proceedings of The Forty-Third International Conference on Machine Learning（2026 ICML）与国际顶级学术期刊IEEE Transactions on Knowledge and Data Engineering （TKDE）正式录用，同时也实现了江苏科技大学永利3044浏览器在计算机类顶级会议上的首次突破。
ICML是机器学习领域最具影响力的国际顶级学术会议之一，也是中国计算机学会（CCF）和中国人工智能学会（CAAI）共同推荐的 A 类国际会议，在人工智能、机器学习等领域具有极其重要的国际影响力。TKDE 是 IEEE 旗下知识发现和数据挖掘领域最具影响力的国际期刊之一，也是中国计算机学会（CCF）和中国人工智能学会（CAAI）共同推荐的 A 类期刊。
计算机科学与技术专业2023级硕士研究生唐耿以第一作者身份（通讯作者:杨习贝）在ICML 2026上发表论文《Reconstruction Outcomes Look Similar but Processes Differ: Improving Context Consistency and Coverage in Graph Masked Auto-Encoder》。该研究聚焦图自监督学习中的图掩码自动编码器问题。现有图掩码自动编码器方法大多关注最终重构结果，而较少关注模型在重构过程中如何使用邻域上下文。研究发现，即使模型取得相近的重构结果，其邻域上下文使用方式仍可能存在明显差异，并进一步影响下游任务性能。针对这一问题，研究团队提出了一种一致性与覆盖性感知的图掩码自动编码器框架 C2-GMAE，通过引入相对位置编码、密度分区掩码策略和异配边增强机制，引导模型更稳定地使用邻域上下文，并提升训练过程对不同图区域的覆盖能力。实验结果表明，C2-GMAE 在多个节点分类和图级预测任务上取得了优于现有图自监督学习方法的表现，为提升图自监督表示学习质量提供了新的思路。
管理科学与工程专业2024级博士研究生郭启航以第一作者身份（通讯作者:刘克宇）在TKDE上发表论文《Controllable Exploration-Exploitation in User-Item Interactions Toward Long-Term Recommendation Gains: A Pane-Aware Graph Transformer Architecture》。该研究聚焦图推荐系统。在数字平台驱动的信息系统背景下，围绕大规模用户–物品交互结构化数据的智能决策问题，针对现有图学习模型在探索与利用行为上难以有效控制、且易加剧偏置信息传播的局限，提出了一个新的图 Transformer 架构。该框架通过引入大语言模型（LLMs）辅助的窗格划分和两阶段学习策略，有效约束探索-利用区域、抑制偏置传播，在提升推荐准确率的同时显著改善了对长尾物品的覆盖能力。
上述成果体现了数据科学与知识工程团队在图学习研究领域的持续积累和创新能力。未来，团队将继续深耕前沿基础研究与交叉应用研究，推动产出更多具有国际影响力的原创成果。
