姓名：孙笠
职称：副教授，硕士生导师
研究方向
1. 深度学习、黎曼机器学习 Deep Learning, Riemannian Machine Learning
2. 社交网络分析 Social Network Analysis
3. 图基础模型与大模型 Graph Foundation Model & Large Models
联系方式
办公地点：主楼E708
电子邮箱：ccesunli@ncepu.edu.cn
一、个人简介及主要荣誉称号
孙笠，男，1994年7月生。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。
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，参与科技部重点研发、国自然重点等国家级项目。发表AAAI、IJCAI、ACM TheWebConf (WWW)、ACMSIGIR、ACM CIKM、IEEE ICDM、IEEETKDE、ACM TIST、ACMTWEB等国际顶级会议与期刊论文30余篇，其中CCF-A类16篇，获CIKM22 “Best Paper Winners”。兼任KDD、AAAI、IJCAI、WWW、WSDM、CIKM、SDM等旗舰学术会议的（高级）程序委员；IEEE TKDE、IEEE TMC、ACMTWEB、ACM TIST、IEEE TBD等权威期刊审稿人；Springer JMLC、Electronics期刊的客座编委等。
二、教学与人才培养情况
1. 本科生课程
《现代电力工程师》、《高级语言程序设计（C）》、《计算机网络及应用》、《C/C++程序设计》、《脑与认知科学》、《自然语言处理》
2. 研究生课程
《人工智能与数据工程》（英文）
3. 学生培养
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等CCF-A类、B类论文。
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, Jingbin Hu, Suyang Zhou, Zhenhao Huang, Junda Ye, Hao Peng, Zhengtao Yu and Philip S. Yu. RicciNet: Deep Clustering via A Riemannian Generative Model , ACM TheWebConf 2024 (WWW). (计算机学会CCF-A类)
[2] Li Sun, Zhenhao Huang, Zixi Wang, Feiyang Wang, Hao Peng and Philip S. Yu. Motif-aware Riemannian Graph Neural Network with Generative-Contrastive Learning, AAAI 2024, Oral. (CCF-A类)
[3] Li Sun, Jingbin Hu, Mengjie Li, Hao Peng. R-ODE: Ricci Curvature Tells When You Will Be Informed. SIGIR 2024. (CCF-A类)
[4] Li Sun, Feiyang Wang, Junda Ye, Hao Peng and Philip S. Yu. Congregate: Contrastive Graph Clustering in Curvature Spaces , IJCAI 2023.Acceptance Rate: 15%, Oral, pp. 7590-7607. (CCF-A类)
[5] Li Sun, Zhongbao Zhang, Feiyang Wang, Pengxin Ji, Jian Wen, Sen Su and Philip S. Yu. Aligning Dynamic Social Networks: An Optimization over Dynamic Graph Autoencoder , IEEE TKDE, 2023, 35(6): 5597-5611. (CCF-A类)
[6] Li Sun, Junda Ye, Hao Peng, Feiyang Wang and Philip S. Yu. Self-supervised Continual Graph Learning in Adaptive Riemannian Spaces , AAAI 2023, pp. 4633-4642. (CCF-A类)
[7] Li Sun, Junda Ye, Hao Peng and Philip S. Yu. 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类, 最佳论文提名奖)
[8] Li Sun, Zhongbao Zhang, Junda Ye, Hao Peng, Jiawei Zhang, Sen Su and Philip S. Yu. A Self-supervised Mixed-curvature Graph Neural Network , AAAI 2022, pp. 4146-4155.Rate: 15%, Oral. (CCF A类)
[9] Li Sun, Zhongbao Zhang, Jiawei Zhang, Feiyang Wang, Hao Peng, Sen Su and Philip S. Yu. Hyperbolic Variational Graph Neural Network for Modeling Dynamic Graphs , AAAI2021, pp. 4375-4383. Oral. (CCF A类)
[10] Junda Ye, Zhongbao Zhang, Li Sun, Yang Yan, Feiyang Wang and Fuxin Ren, SINCERE: Sequential Interaction Networks representation learning on Co-Evolving RiEmannian manifolds, ACM TheWebConf 2023 (WWW), pp. 360-371. (CCF-A类)
[11] Zhongbao Zhang, Li Sun, Sen Su, Jielun Qu and Gen Li. Reconciling Multiple Social Networks Effectively and Efficiently: An Embedding Approach ,IEEE TKDE, 2021, 33(1): 224-238. (CCF A类)