（图文|李璐 审核|张泽宇、李万理）近日，人工智能领域顶级会议NeurIPS-2024（Thirty-Eighth Annual Conference on Neural Information Processing Systems，CCF-A类）录用了我校信息学院张泽宇老师在图神经网络的研究成果，该研究论文以“DropEdge not Foolproof: Effective Augmentation Method for Signed Graph Neural Networks”为题，针对符号图神经网络的数据增强问题展开研究。

   随着社交媒体广泛普及，促使用户之间大量互动，这些互动随后被记录在社交网络中。尽管许多社交互动展现了积极的联系，例如点赞、信任和友谊，但也存在一些负面互动的情形，涵盖仇恨、不信任等情感。符号图因此被用来建模友好或敌对关系。本文研究了符号图神经网络（Signed Graph Neural Networks, SGNNs）中的数据增强问题，是该子领域第一篇研究论文。文章首次推导了SGNNs的泛化界，同时提出一种新的增强策略，以改进DropEdge在链接符号预测中的性能。

   信息学院人工智能系张泽宇为该论文第一作者，李万理为论文通讯作者。2024级硕士研究生李璐为论文第二作者，其他参与者包括成都电子科技大学郝东老师，我院信息与计算科学2022级本科生王祉羿、卢志远等。