姓名:孙笠
职称:副教授,硕士生导师
研究方向
联系方式
办公地点:主楼E708
一、个人简介及主要荣誉称号
孙笠,1994年7月生,工学博士,副教授。分别于2016年、2021年在北京邮电大学获得学士和博士学位,导师为苏森教授,曾获得“北京市优秀博士毕业生”等荣誉。于2019年至2020年,赴美国芝加哥访问学习,师从数据挖掘领域奠基人Philip S. Yu (ACM/IEEE Fellow)。2021年入职华北电力大学,2022年被聘为硕士生导师。2024年1月,入选北京市科协“青年人才托举工程”,晋升副教授。中国人工智能学会、计算机学会会员。
主要从事图数据挖掘与机器学习领域的研究工作,主持国自然青年基金1项、中央高校面上项目1项,参与科技部重点研发、国自然重点等国家级项目。发表ICML, AAAI, IJCAI, TheWebConf (WWW), SIGIR, ICDM, CIKM, TKDE, TIST, TWEB等国际顶级会议与期刊论文30余篇,其中CCF-A类17篇,单篇论文最高引用330余次,获CIKM22 “Best Paper Winners”. 常年受邀担任NeurIPS, SIGKDD, AAAI, IJCAI, WWW, WSDM, CIKM, SDM等旗舰学术会议的(高级)程序委员;IEEE TKDE, IEEE TMC, ACM TWEB, ACM TIST, IEEE TBD等权威期刊审稿人。担任Springer JMLC,Electronics期刊的客座编委,IEEE SocialCom’23, IEEE DSS’24的Publicity Chair.
二、教学与人才培养情况
《现代电力工程师》、《高级语言程序设计(C)》、《C/C++程序设计》、《脑与认知科学》、《自然语言处理》等
《人工智能与数据工程》(英文)
指导研究生4人;担任智科2101班班主任;带领学生团队获得2023年挑战杯北京市三等奖;指导学生发表ICDM、AAAI、WWW、SIGIR、Springer JMLC等CCF-A/ B类、SCI论文。
三、主要科研项目情况
【1】 国家自然科学基金委,青年科学项目,动态社交网络表征与对齐,2023-2025,主持
【2】 中央高校基本科研业务费,面上项目,基于黎曼图神经网络的社交网络融合方法,2022-2023,主持
【3】 国家自然科学基金委,联合培育项目,大数据环境下的人物身份消歧与融合,2020-2022,参与
四、主要获奖
【1】 北京市科协,“青年人才托举工程”,2024
【2】 ACM CIKM,“最佳论文提名奖”,2022
【3】 华北电力大学,优秀班主任,2022-2023学年
【4】 北京市优秀博士毕业生,2021
五、代表性论著
[1] Li Sun, Zhenhao Huang, et. al. LSEnet: Lorentz Structural Entropy Neural Network for Deep Graph Clustering, ICML 2024 (CCF-A)
[2] Li Sun, Jingbin Hu, et. al. RicciNet: Deep Clustering via A Riemannian Generative Model, ACM TheWebConf 2024 (WWW). (CCF-A)
[3] Li Sun, Zhenhao Huang, et. al. Motif-aware Riemannian Graph Neural Network with Generative-Contrastive Learning, AAAI 2024, Oral. (CCF-A)
[4] Li Sun, Jingbin Hu, et. al. R-ODE: Ricci Curvature Tells When You Will Be Informed. SIGIR 2024. (CCF-A)
[5] Li Sun, Feiyang Wang, et. al. Congregate: Contrastive Graph Clustering in Curvature Spaces, IJCAI 2023. Acceptance Rate: 15%, Oral, pp. 7590-7607. (CCF-A)
[6] Li Sun, Zhongbao Zhang, et. al. Aligning Dynamic Social Networks: An Optimization over Dynamic Graph Autoencoder, IEEE TKDE, 2023, 35(6): 5597-5611. (CCF-A)
[7] Li Sun, Junda Ye, et. al. Self-supervised Continual Graph Learning in Adaptive Riemannian Spaces, AAAI 2023, pp. 4633-4642. (CCF-A)
[8] Li Sun, Junda Ye, et. al. A Self-supervised Riemannian GNN with Time Varying Curvature for Temporal Graph Learning, CIKM 2022, Best Paper Winners (6/283), Oral, pp. 1827-1836. (CCF-B, 最佳论文提名奖)
[9] Li Sun, Zhongbao Zhang, et. al. A Self-supervised Mixed-curvature Graph Neural Network, AAAI 2022, pp. 4146-4155. Rate: 15%, Oral. (CCF-A)
[10] Li Sun, Zhongbao Zhang, et. al. Hyperbolic Variational Graph Neural Network for Modeling Dynamic Graphs, AAAI 2021, pp. 4375-4383. Oral. (CCF-A)