近日，全球久負(fù)盛名的人工智能與互聯(lián)網(wǎng)交叉領(lǐng)域頂級(jí)國(guó)際學(xué)術(shù)會(huì)議WWW2026公布了錄用論文。我校人工智能學(xué)部能源大數(shù)據(jù)智慧計(jì)算科研團(tuán)隊(duì)負(fù)責(zé)人杜海舟老師及其碩士生吳昊林撰寫(xiě)的長(zhǎng)文論文《FedRGL: Federated Riemannian Graph Learning in Mixed-Curvature Spaces with Ricci-Gated Convolution》成功入選。這是該團(tuán)隊(duì)首次在人工智能與互聯(lián)網(wǎng)交叉領(lǐng)域頂級(jí)國(guó)際學(xué)術(shù)會(huì)議WWW上發(fā)表分布式圖學(xué)習(xí)領(lǐng)域研究成果。
該論文針對(duì)聯(lián)邦圖學(xué)習(xí)（Federated Graph Learning, FGL）中客戶(hù)端數(shù)據(jù)普遍存在的非獨(dú)立同分布（non-IID）核心挑戰(zhàn)展開(kāi)研究，特別關(guān)注了由圖數(shù)據(jù)內(nèi)在幾何結(jié)構(gòu)差異引發(fā)的幾何異構(gòu)性問(wèn)題?，F(xiàn)有方法通常在單一、固定的幾何空間中建模，難以適應(yīng)不同分布式客戶(hù)端圖數(shù)據(jù)多樣的結(jié)構(gòu)特性（如層次或社群結(jié)構(gòu)），且常常忽略圖的局部拓?fù)湫畔?。為此，論文提出了一個(gè)名為FedRGL的個(gè)性化黎曼聯(lián)邦圖學(xué)習(xí)新框架。該框架通過(guò)為每個(gè)客戶(hù)端構(gòu)建一個(gè)由歐幾里得、雙曲和球面流形組成的個(gè)性化混合曲率空間，并利用里奇曲率（Ricci Curvature）設(shè)計(jì)了一個(gè)動(dòng)態(tài)門(mén)控機(jī)制來(lái)指導(dǎo)圖卷積網(wǎng)絡(luò)中的消息傳遞，從而同時(shí)解決了全局幾何異構(gòu)性和局部拓?fù)鋸?fù)雜性?xún)纱箅y題。實(shí)驗(yàn)表明，F(xiàn)edRGL在多個(gè)具有高度異構(gòu)性的圖數(shù)據(jù)集上，其模型準(zhǔn)確性和泛化能力顯著優(yōu)于當(dāng)前最先進(jìn)的分布式圖學(xué)習(xí)方法。
圖1 FedRGL框架整體架構(gòu)概覽
這一研究成果對(duì)于構(gòu)建下一代的分布式圖智能系統(tǒng)具有廣泛的應(yīng)用前景。在聯(lián)邦推薦系統(tǒng)等Web應(yīng)用中，該框架能夠?yàn)椴煌袨槟Ｊ降挠脩?hù)群體（客戶(hù)端）構(gòu)建更精準(zhǔn)的個(gè)性化模型，提升推薦效果的同時(shí)保護(hù)用戶(hù)隱私。在跨平臺(tái)的去中心化社交網(wǎng)絡(luò)分析中，該框架可以在不共享原始數(shù)據(jù)的前提下，有效整合來(lái)自不同社群的結(jié)構(gòu)信息，用于社區(qū)發(fā)現(xiàn)或鏈接預(yù)測(cè)等任務(wù)。在能源電力行業(yè)，該框架可用于對(duì)分布在不同區(qū)域電網(wǎng)中的設(shè)備故障、潮流計(jì)算、配網(wǎng)調(diào)度等圖數(shù)據(jù)進(jìn)行聯(lián)合建模，在保護(hù)數(shù)據(jù)隱私的同時(shí)，實(shí)現(xiàn)對(duì)故障模式的精準(zhǔn)預(yù)測(cè)和診斷。長(zhǎng)遠(yuǎn)來(lái)看，F(xiàn)edRGL框架為實(shí)現(xiàn)幾何感知與隱私保護(hù)的深度協(xié)同提供了一條關(guān)鍵路徑，為構(gòu)建更智能、更可信的Web人工智能系統(tǒng)奠定了堅(jiān)實(shí)基礎(chǔ)。
能源大數(shù)據(jù)智慧計(jì)算團(tuán)隊(duì)圍繞以人工智能為核心，在分布式機(jī)器學(xué)習(xí)、多模態(tài)大模型推理、自然語(yǔ)言處理、知識(shí)圖譜等關(guān)鍵領(lǐng)域進(jìn)行持續(xù)深耕，并已形成一系列高水平成果。近年來(lái)，團(tuán)隊(duì)已有多篇高質(zhì)量論文被NeurIPS、AAAI、WWW、ECAI、ECML、CIKM、ICSOC 等國(guó)際頂級(jí)學(xué)術(shù)會(huì)議錄用，展現(xiàn)了持續(xù)向國(guó)際頂尖科研前沿邁進(jìn)的堅(jiān)實(shí)步伐。團(tuán)隊(duì)首次論文入選WWW人工智能與互聯(lián)網(wǎng)交叉領(lǐng)域頂級(jí)國(guó)際學(xué)術(shù)會(huì)議，不僅是對(duì)團(tuán)隊(duì)長(zhǎng)期科研工作的高度肯定，更為我校分布式圖學(xué)習(xí)方向的發(fā)展注入了新的動(dòng)力。團(tuán)隊(duì)將繼續(xù)聚焦科研前沿，致力于產(chǎn)出更多兼具頂尖學(xué)術(shù)水平與重要現(xiàn)實(shí)意義的研究成果。
據(jù)悉，WWW，曾用名為T(mén)he International Conference of World Wide Web，從2018年開(kāi)始更名為T(mén)he web conference，是國(guó)際互聯(lián)網(wǎng)領(lǐng)域歷史最悠久、最具影響力的頂級(jí)學(xué)術(shù)會(huì)議之一，也是中國(guó)計(jì)算機(jī)學(xué)會(huì)和中國(guó)人工智能學(xué)會(huì)推薦的A類(lèi)會(huì)議，自1994年在瑞士日內(nèi)瓦CERN舉辦第一屆以來(lái)，已經(jīng)連續(xù)舉辦30+屆，是互聯(lián)網(wǎng)科學(xué)與技術(shù)研究的旗艦交流平臺(tái)。該會(huì)議在CORE Conference Ranking中被評(píng)為A*級(jí)別，其H-5指數(shù)120，Impact Score 15.6。WWW的投稿數(shù)量和競(jìng)爭(zhēng)激烈程度屢創(chuàng)新高，WWW’2026共收到有效投稿3370篇，錄用676篇，錄用率約為20.1%，體現(xiàn)出其極高的學(xué)術(shù)認(rèn)可度與難度。本次會(huì)議將于2026年4月13日至4月17日在迪拜舉行。
人工智能學(xué)部 供稿