2026年9月7日至11日，欧洲机器学习与数据库知识发现原理与实践会议（ECML PKDD 2026）在意大利那不勒斯举行。广东财经大学统计与数据科学学院硕士研究生陈梦竹（导师：蔡佳教授）赴意大利参加会议，并就录用论文作口头报告（Oral Presentation），与来自不同国家和地区的专家学者开展学术交流。
ECML PKDD是机器学习、数据挖掘与知识发现领域具有重要国际影响力的高水平学术会议，也是欧洲该领域最具代表性的国际会议之一，在业内享有较高声誉。与国际机器学习大会（ICML）等机器学习顶级会议相比，ECML PKDD同样长期聚焦机器学习理论、算法及数据挖掘前沿问题，是相关领域学者开展高水平学术交流和成果展示的重要平台。
本次会议录用的论文题为《Convex–Concave Quadratic Spectral Filtering for Graph Neural Networks》（凸—凹二次谱滤波用于图神经网络）。论文第一作者为我院2024届毕业研究生严然辉，陈梦竹为论文合作者。
图神经网络是处理复杂关联数据的重要机器学习方法，谱滤波则是其提取图结构信息的重要技术之一。针对低阶谱滤波器频率选择能力有限、高阶滤波器优化难度较大的问题，该研究提出了一种基于自适应凸—凹二次滤波器组的谱图神经网络模型DCQ-GNN。该模型利用凸、凹曲率滤波器在频率响应上的互补特性，并设计节点自适应门控机制融合不同滤波器的输出，使不同节点能够依据自身结构特征自适应选择更合适的滤波方式，从而提升模型对复杂图结构的表征能力。
在理论方面，研究从狄利克雷能量、信息熵以及滤波器曲率特性等角度对模型的滤波行为进行了分析，为模型设计及其有效性提供理论支撑。在实验方面，论文在10个公开数据集上进行了系统验证。实验结果表明，DCQ-GNN具有良好的预测性能，并在较强图结构扰动条件下表现出较好的稳定性。
会议期间，陈梦竹围绕研究背景、模型设计、理论分析和实验结果等内容系统介绍了论文的主要工作，并结合海报展示研究方法及实验结果，与参会学者就相关研究问题进行了深入交流。
此次参会展示了我院研究生参与的科研成果，有助于进一步拓展研究生的国际学术视野，提升科研创新和学术交流能力，并为加强与国内外同行的交流与合作创造了良好条件。
ECML PKDD 2026会议现场
会议现场作论文口头报告
海报展示环节
