近日，在美国华盛顿举办的CCF A类会议SIGIR’24上，西北农林科技大学信息工程学院梁春泉副教授课题组发表了题为“Bootstrap Deep Metric for Seed Expansion in Attributed Networks”的研究成果。该研究的主要参与者包括数据科学系2021级本科生王一凡和陈前坤，以及计算机系2022级本科生冯鑫源和王璐玥。梁春泉为第一作者兼通讯作者，研究成果于7月16日在会议上进行了报告。
种子扩展任务在推荐系统、社交网络分析和生物信息学等各种网络应用中起着至关重要的作用。研究成果提出了一种深度度量学习的框架（BDM），旨在应对属性网络种子扩展问题中正例稀缺和负例缺失带来的挑战；BDM利用先前的表征生成正例和未标记节点的锚点，并通过最小化正例和未标注节点上的度量损失来增强节点表征。这一方法不需要负例样本参与训练，但仍能学习到有助于选择扩展节点的表征。实验验证了该算法的出色性能。
SIGIR（ACM International Conference on Research and Development in Information Retrieval）是一个重要的国际会议，展示信息检索领域的各种新技术和成果，也是信息检索与数据挖掘领域的顶级会议。中国计算机协会（CCF）将该会议评定为A类。据悉，这项研究成果是我校首次在该会议上发表的成果。