IDC实验室2021级博士生陈汉的论文被KBS期刊录用，论文在李玉华教授、伊利诺伊大学芝加哥分校Philip S. Yu教授、邹逸雄老师和李瑞轩教授的共同指导下完成。论文的题目是DCMSL: Dual influenced Community Strength-boosted Multi-Scale Graph Contrastive Learning，主要针对图对比学习场景，提出了一种新的社区强度定义，从拓扑结构和特征结构两个方面来区分不同社区的重要性，在此基础上，针对以前的算法中将所有节点的强度视为一致的不足，提出了新的节点重要度度量方法；基于新的节点重要度度量方法上，提出了新的关于节点特征和边丢弃的数据增强方法；在损伤函数上，首次提出了从节点和社区两个不同的角度根据权重的不同从两个不同尺度的视角下进行对比学习，该方法在包括Ogbn-Arxiv一个大型图数据集和其他六个不同的中小型数据集上在包括节点分类等三个不同的下游任务上均达到SOTA，验证了提出的方法的有效性和可扩展性。

论文信息如下：

Han Chen, Yuhua Li, Philip S. Yu, Yixiong Zou, Ruixuan Li. DCMSL: Dual influenced Community Strength-boosted Multi-Scale Graph Contrastive Learning. Knowledge-Based Systems, 2024.

Knowledge-Based Systems (KBS)是人工智能领域的国际性交叉学科期刊，该期刊专注于基础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，其影响因子为7.2。同时，KBS也属于华中科技大学认可的A类期刊。

我们对陈汉同学论文的录用表示热烈祝贺！