近日，研究组在图机器学习社区检测方面的两篇论文经过严格的同行评审，分别正式录用在CCF A类期刊TKDE和B类会议DASFAA，具体信息如下：
      论文1：Rethinking variational Bayes in community detection from graph signal perspective.IEEE Transactions on Knowledge and Data Engineering (TKDE).第1作者为博士研究生程俊伟.该工作主要从图信号处理视角分析了VGAE中的变分贝叶斯推理处理高低频信号的内在机制及其对社区检测性能的影响，并在此基础上提出了一种新的变分贝叶斯插件VBPG，可以用于提高现有基于VGAE的社区检测方法性能。
      论文2：Boost dynamic community detection via exploiting member transition information. In Proceedings of the 30th International Conference on Database Systems for Advanced Applications (DASFAA25).第1作者为硕士研究生潘仲宇.该工作提出了一种基于成员迁移信息对比学习的动态网络社区检测方法，首先设计稳定状态检测机制CMTD提取社区成员迁移信息并作为额外的对比学习自监督信号，然后通过引入独立性准则HSIC捕捉快照网络结构的局部不平滑性，最后通过对比学习损失和HSIC损失联合优化图卷积网络，进而有效地发现高质量动态社区。
       TKDE和DASFAA分别为中国计算机学会CCF认定的数据库/数据挖掘领域A类期刊和B类会议，创办历史久远，具有较高的权威性和影响力，其中DASFAA2025（第30届）今年5月份将在新加坡举行。