论文《Skyline Micro-Cluster Query: A Novel and Practical Spatial Query》第一作者为计算机科学与工程学院卢晶博士，校内指导教师为王兴伟教授、赵宇海教授。该研究工作由东北大学联合新加坡理工大学、北京理工大学研究人员共同完成。论文首次提出了一种新颖的空间查询任务-skyline微簇查询（SMC），以微簇的形式返回一组在密度和距离维度上满足用户查询要求的帕累托最优解。论文同时提出了面向SMC问题的查询算法BSMC和ESMC，在将查询时间复杂度从O(2^N)降至O(N^3)的基础上，通过引入z-值索引和增量查询思想，同时提升了算法的查询效率和内存开销。该研究创建了一种新的空间查询模式，在基于位置的服务、智能交通、信息跟踪等许多现实生活场景中存在着广泛应用，未来有望进一步取得更多重要研究成果。

论文《COCLEP: Contrastive Learning-based Semi-Supervised Community Search》第一作者为计算机科学与工程学院李玲博士，校内指导教师为赵宇海教授。该研究工作由东北大学联合南洋理工大学、微软亚洲研究院、新加坡理工大学、悉尼科技大学研究人员共同完成。论文针对目前基于深度学习的社区搜索模型依赖大量实际难以获取的标记数据进行训练的问题，提出了一种基于对比学习和数据分区的社区搜索方法(COCLEP)，只需极少量的标签即可实现高效且有效的社区查询任务，其基本原理是通过所提出的图神经网络和标签感知对比学习器来学习查询依赖的模型。此外，论文从理论上证明了可以利用最小割将COCLEP扩展用于大型数据集。COCLEP是首个尝试将对比学习用于非平凡社区搜索的研究工作，在评审过程中获得了评稿人的一致认可，具有很好的研究前景及落地场景，目前正在与腾讯公司商讨寻求进一步合作。

论文《HyTGraph: GPU-Accelerated Graph Processing with Hybrid Transfer Management》第一作者为计算机科学与工程学院王千阁博士，校内指导教师为于戈教授、张岩峰教授。论文提出了一种基于混合传输管理方法的GPU加速图计算系统HyTGraph，深入研究了现有CPU-GPU异构环境中的多种数据传输管理方法，分析并验证了现有方法的适用场景，保证总是用最优的方式进行数据传输，同时也加入了灵活的异步任务调度及丰富GPU-CPU异构优化。该研究成果将有助于加深理解GPU-CPU异构体系结构下图计算的模式特点和提升图计算性能。代码开源地址：https://github.com/iDC-NEU/HyTGraph。

论文《Layph: Making Change Propagation Constraint in Incremental Graph Processing by Layering Graph》第一作者为计算机科学与工程学院余松博士，指导教师为于戈教授、张岩峰教授、巩树凤讲师。该研究工作在阿里巴巴达摩院创新研究计划AIR支持下，由东北大学联合阿里巴巴达摩院、上海交通大学、中国科学院研究人员共同完成。论文提出了一个通过分层图来加速增量图计算的框架，其工作原理是将原始图上昂贵的全局迭代计算限制在远小于原图规模的图骨架和一些被图更新直接影响的子图上，最终使得很多顶点和边不参与迭代计算，显著降低了计算开销，提高了增量图处理的性能。该研究成果将有助于提升淘宝交易关系等超大规模动态图分析性能。

据悉，ICDE 2023会议的全称是39th IEEE International Conference on Data Engineering （第39届IEEE国际数据工程大会），将于2023年4月3日至7日在美国加利福尼亚州召开。ICDE是数据库领域最权威的国际顶级学术会议之一，是CCF推荐的A类国际会议，与SIGMOD、VLDB并称为数据库领域的国际三大顶会，每年吸引大量全球顶级学校和机构的投稿。

来源 | 计算机科学与工程学院

编辑 | 吕佳悦

责编 | 赵春时 杨明

✬如果你喜欢这篇文章，欢迎点赞并分享到朋友圈✬

投稿&加入我们 neuxcbtg@163.com