9月10日，北京化工大学信息科学与技术学副教授谷伟伟应邀在海角破解版
214报告厅作题为“网络表征学习的算法隐藏几何空间及其应用研究”的学术报告。报告会由海角破解版
副教授赵龙峰主持，海角破解版
部分师生参加了此次报告会。
本次报告围绕“如何从复杂网络中提取有效表征”这一核心科学问题，系统介绍了单层与多层网络表征学习算法、隐藏几何空间的理论建模及其在链路预测、节点分类、网络压缩、鲁棒性预测与网络瓦解等关键任务中的前沿应用。
谷伟伟副教授首先从网络表征学习的基本架构出发，指出传统单层网络嵌入方法在捕捉“弱连接”方面存在局限，进而提出基于图卷积神经网络与注意力机制的DeepLinker与FGE算法，在节点分类、链路预测与中心性度量等任务中显著优于传统方法。
针对现实系统普遍存在的多层耦合结构，谷伟伟副教授进一步提出AGEE与MRGNN等多层网络表征框架，通过跨层注意力机制与统一隐藏空间映射，有效提升弱连接预测精度与稀疏数据下的鲁棒性。实验表明，该方法在Candida 多层生物网络与交通、社交、疾病传播等真实系统中均表现出优异的预测与压缩能力。报告最后，谷伟伟副教授展示了其团队开发的强化学习驱动的多层网络瓦解系统 MultiDismantler，通过图神经网络+深度强化学习的端到端架构，在单位成本约束下实现了对关键节点序列的精准识别，在疾病防控、基础设施攻击防御等场景中展现出极强的实战潜力。
本次报告为我院师生在复杂系统建模、网络科学与人工智能交叉研究领域提供了重要启发，也为未来韧性管理、风险预警与智能决策等方向的合作研究奠定了坚实基础。
报告人简介：
谷伟伟，北京化工大学信息科学与技术学副教授。北京师范大学系统科学学院与印第安纳大学信息科学与技术学院联合培养博士。主要研究方向为网络表征学习、图组合优化问题求解。以第一作者或通讯作者在Nature MachineIntelligence、Nature Communications、Neural Networks、 Social Networks、Journal ofSocial Computing等多个SCI与SSCI期刊发表论文二十余篇。主持国家自然科学基金、博士后基金、基金委原创项目子课题等多项纵向及横向课题。
（撰稿/赵艳蓉 审核/贾明）
