近日，第39届神经信息处理系统大会（The Thirty-ninth Annual Conference on Neural Information Processing Systems, NeurIPS 2025）录用结果揭晓，我院王友清教授团队研究论文《Hybrid-Collaborative Augmentation and Contrastive Sample Adaptive-Differential Awareness for Robust Attributed Graph Clustering》被成功录用。该论文第一作者为信息科学与技术学院2024级硕士研究生赵天祥，第二作者为王友清教授（研究生指导教师），通讯作者为郭继鹏讲师/师资博后（合作指导教师），北京化工大学为第一完成单位/唯一通讯单位。
该研究针对现有深度图对比聚类方法缺乏对结构信息的增强与关注以及忽视对比样本对差异化感知的问题，提出一种新型鲁棒属性图聚类方法（RAGC）。大多现有深度图对比聚类方法仅利用边作为辅助信息来获取节点级嵌入表示，而忽视了边级嵌入增强，以及不同粒度下节点级与边级嵌入增强之间的交互作用。此外，这些方法往往将所有对比样本对等同对待，忽视了难、易、正、负样本对之间的显著差异，缺少差异化关注，最终限制了其判别能力。RAGC通过同时执行节点级和边级嵌入表示与增强操作，为后续对比学习建立了更全面的相似性度量标准。进而，使用动态相似性判别矩阵引导边级嵌入表示增强。其次，通过利用动态提取的高置信度伪标签信息，RAGC精心设计了对比样本自适应差异感知策略，该策略可自适应识别对比样本对，实现对不同对比样本对的自适应区分，为对比学习提供了更全面、更深层次的对比策略。
NeurIPS（Neural Information Processing Systems）是人工智能领域的顶级国际会议之一，于1987年创办，由NeurIPS基金会主办。根据谷歌公布的2025年最新版学术指标（Google Scholar Metrics，GSM）榜单，NeurIPS位列第7位，其h5指数高达371。NeurIPS是中国计算机学会（CCF）推荐的人工智能领域A类国际顶级学术会议，与国际机器学习大会（ICML）和国际学习表征会议（ICLR）并称为人工智能领域难度最大、水平最高、影响力最强的“机器学习三大顶会”。NeurIPS25共收到21575篇有效投稿，最终接收5290篇，接收率为24.52%。本次论文的录用标志着我院在人工智能领域顶级会议取得的突破性进展。
该工作得到了国家自然科学基金等项目的资助。