2月25日至3月4日，人工智能权威会议AAAI25（CCF A类）在美国宾夕法尼亚州费城召开，研究组在main track录用的论文“Community-aware variational autoencoder for continuous dynamic networks”以海报形式参加展示交流活动。该论文针对变分自编码器无法直接应用于连续动态网络社区发现的问题，提出了一种新的变分自编码器CT-VAE及其变体CT-CAVAE。CT-VAE通过将节点交互概念化为事件流，采用霍克斯过程捕捉时序动态和因果关系，并将其纳入推断过程，可以有效地将传统的推断方法扩展到连续动态网络。此外，在生成阶段，CT-VAE结合了伪标记和紧凑约束策略重建非相邻结构。CT-CAVAE则通过巧妙地集成高斯混合分布，实现了端到端的社区检测。大量实验结果表明，CT-VAE和CT-CAVAE均优于最先进的基线。

      据悉，本届AAAI25会议在main track共投稿12957篇，录用3029篇，录用率约为23.4%，其中约4.6%的录用论文为Oral，其余为Poster。

CT-VAE和CT-CAVAE方法框架

海报展板

海报展示大厅