11月10日晚，我院副院长卜湛教授为全体软件工程和部分计算机科学与技术专业研一学生做了“基于领袖识别、动态博弈和观点动态的图K-均值”的专题报告。

报告中，卜湛教授首先介绍了复杂网络的背景意义和基本问题如聚类和社区检测，给出了相关模型定义，并指出现有的图神经网络方法往往只关注于网络的拓扑结构（如统计物理中传统的社区检测方法）或节点属性（如经典的K-means技术），很难将二者同时纳入同一处理框架之中，由此卜湛教授及其同事提出了一个新颖而强大的图K-means框架。然后基于自身科研邻域，卜湛教授着重介绍了社交媒体网络中比较热门和高难度的个体意见（网络中节点标签）随时间改变的动态预测问题，为同学们详细讲解了如何使用博弈论中的纳什均衡概念指导寻找局部帕累托最优的社区结构，开拓了学生们的科研视野，引发了学生们的激烈讨论。

卜湛教授主要从事社会计算、数据挖掘、博弈论等邻域的基础研究工作，并结合统计物理学、行为经济学、人工智能邻域的前沿技术，解决大数据分析、电子商务和互联网金融等应用邻域的热点问题。

信息工程学院