（通讯员：舒鑫才）我院2021级金融数学专业本科生张皓宇在姜旭初副教授指导下，于中科院一区Top期刊《Knowledge-Based Systems》（A类）上以第一作者身份发表论文: ConUMIP: Continuous-Time Dynamic Graph Learning via Uncertainty Masked Mix-Up on Representation Space。这是张皓宇在校期间发表的第二篇高质量学术期刊论文。

研究提出了一种名为ConUMIP的创新连续时间动态图学习方法，其核心在于设计了一种在表示空间上进行不确定性掩码混合的数据增强策略，结合了表示空间的不确定性估计和掩码混合操作。该方法采用Gaussian Copula框架来捕获嵌入维度间的相关性结构，并通过Cholesky分解生成多样化的样本同时保持这种结构，有效克服了简单假设独立多元高斯分布可能忽略嵌入维度间关键相关性的局限。该方法不同于传统的在原始图数据上进行扰动的方法，而是通过估计嵌入的不确定性分布并应用掩码混合来获取最终的增强数据。通过引入对比学习策略，有效地增强了动态图表示的多样性和鲁棒性，同时通过约束增强事件嵌入与原始嵌入的关系来增加方法的稳定性。研究提出的数据增强方法在表示空间而不是直接在原始图数据上进行操作，使其与现有CTDG方法结合时更加稳定，而且由于其操作仅限于训练阶段，因此不会产生额外的推理成本。通过在五个广泛使用的真实数据集上进行的大量实验表明，该方法改善了基线模型的链接预测性能，这种改进是在不需要特定领域知识或生成新的原始图数据的情况下实现的。此外，该方法在表示空间中生成多样化增强样本的能力为包括链接预测、节点分类在内的各种下游任务提供了潜在优势。该项目于2024年1月启动，在姜老师的指导下历时2个月投出。

 KBS是人工智能领域的国际性交叉学科期刊，该期刊专注于基于知识和基于其他人工智能技术的研究，发表该领域的原创、创新和创造性成果。KBS属于中科院SCI期刊分区计算机科学类一区期刊，最新影响因子为7.2。