一、报告时间

2025年11月29日（周六）14:00

二、报告形式

线上腾讯会议：970-140-235

三、报告人

张嶷（ZHANG Yi） 澳大利亚悉尼科技大学计算机学院与澳大利亚人工智能研究院

四、报告主题

可解释的知识重组预测:大语言模型+图学习

五、报告摘要

尽管对使用学术知识图谱进行知识重组预测图基模型的研究兴趣日益增长，但现有方法存在显著的局限性：它们忽略了高阶信息，无法学习有信息量和稳健的知识实体表示，未能充分考虑到现实世界的动态，而且最关键的是，它们无法为其预测提供可读的合理解释。我们利用H2GLM来解决这些挑战，它将传统的图学习重新表述为异质超图学习，以捕捉高阶信息，同时引入变分自编码器（VAE）机制来增强信息量和稳健性。然后，我们的方法通过逐步的方法将大型语言模型（LLMs）与学到的图上下文信息相结合，从而实现有证据支持的、具有清晰可读合理解释的决策。实验结果表明，H2GLM在广泛的学术知识图谱上优于之前的强图基和基于LLMs的基线模型。可视化结果和案例研究进一步展示了我们的方法在实际场景中的巨大实用价值。进一步的解释性和效率分析突显了我们方法的实际价值。研究方法可以应用于供应链、航运、物流和海洋等特色领域的复杂网络建模和智能数据分析。

六、报告人简介

张嶷博士现为澳大利亚悉尼科技大学计算机学院与澳大利亚人工智能研究院副教授，管理科学与工程博士（北京理工大学）、软件工程博士（悉尼科技大学）。他是2019年澳大利亚研究理事会杰出青年基金获得者DECRA（Discovery Early Career Researcher Award）。获评《澳大利亚人》2023年度澳大利亚图书馆与情报学学科领军人物。他是美国佐治亚理工大学公共政策学院访问学者（2011-2012）以及澳大利亚墨尔本大学理学院访问学者（2022-2023）。

张嶷博士专注于文献计量学、技术创新管理与人工智能的交叉研究，强调面向科技创新管理问题的智能文献计量学理论架构与方法创新，共发表学术论文120余篇。

张嶷博士现担任杂志Technological Forecasting and Social Change执行主编，Frontiers in Research Metrics and Analytics专栏主编，IEEE Transactions on Engineering Management、Scientometrics以及International Journal of Computational Intelligent Systems副主编。