日前，由我院李平教授指导的硕士研究生黄金诚、黄睿、陈娜、张阿聪在数据挖掘领域顶级期刊——《ACM Transactions on Knowledge Discovery from Data (TKDD)》上发表学术论文，论文题目为“Revisiting the role of heterophily in graph representation learning: An edge classification perspective”，李平教授为通讯作者，2020级硕士研究生黄金诚为第一作者。

论文分析了异配边在图神经网络学习时的作用，发现传统的图神经网络消息传递方程不适用于异质边，为提高图神经网络的性能，提出了两种端到端的图学习框架“spotting-then-aggregat”，该框架能够检测异质边，并且针对异质边采用特殊的消息传递方程。大量的实验证明了本文提出的模型在不同异质性数据集上达到了SOTA的效果。

ACM Transactions on Knowledge Discovery from Data主要关注数据挖掘领域的前沿研究，是该领域的权威期刊之一。该期刊每年出版6期，每期录用论文约10篇左右。