近日获悉，由我院软件23级研究生吴晨龙、软件22级研究生岑克庆在王赜教授、白裕德讲师和企业导师郝缙的共同指导下完成的论文"Cross-Domain Trajectory Association Based on Hierarchical Spatiotemporal Enhanced Attention Hypergraph"，被人工智能国际顶级会议AAAI 2025（CCF A）录用，并受邀作会议报告。
AAAI会议（AAAI Conference on Artificial Intelligence）是由The Association for Advancement of Artificial Intelligence（国际人工智能协会）每年举办的学术会议，是人工智能领域公认的权威性顶级学术会议，也是CCF推荐的A类国际学术会议。AAAI 2025共收到12957篇论文，录用论文3032篇，录用率约23.4%。其中，Oral论文占比4.6%。
此次被录用的论文的相关信息如下。论文题目：Cross-Domain Trajectory Association Based on Hierarchical Spatiotemporal Enhanced Attention Hypergraph。作者：Chenlong Wu, Ze Wang, Keqing Cen, Yude Bai, Jin Hao。
Figure1: The overview of StarNet.
论文提出了一种分层时空增强注意力超图网络StarNet，用于识别和链接跨领域数据集的用户轨迹。该模型由局部时空增强模块、全局时空增强模块和融合增强关联模块三部分组成。局部时空增强图神经网络模块将图卷积网络与动态可组合的多头注意力机制相结合，以自适应地调整多维数据特征。为了捕捉跨领域轨迹之间的高阶关系并缓解轨迹稀疏性，全局时空增强超图网络模块将交叉注意力和对比归一化层集成到时空超图网络中。最后，融合增强的关联模块利用KANs来自适应地合并局部和全局轨迹表示，从而实现精确的用户身份链接。在两个真实世界的LBSN跨域数据集上的广泛比较实验表明，StarNet在所有评估指标上都显著优于多个最先进的基线模型。
本研究成果，由王赜教授与白裕德讲师全程把控研究方向，深度指导异质图模型构建与论文框架修订；软件22级研究生岑克庆在时空超图模型构建与KAN融合设计等模块做出主要贡献。该成果的取得，标志着软件学院在人工智能交叉应用领域实现新突破。学院始终以“产学研协同创新”为驱动，鼓励师生聚焦前沿科技开展高水平合作，未来将进一步深化科研与产业对接，助力学科建设与创新型人才培养体系的高质量发展。