近日，我院计算机科学与技术专业2023级本科生张斌在谢文波副教授指导下，以第一作者完成的论文《ACMDG: An Effective and Scalable Active Clustering via Multi-granularity Diffusion Graph》被第35届ACM信息与知识管理国际会议（CIKM 2026）录用。CIKM由美国计算机协会（ACM）主办，是中国计算机学会（CCF）推荐的B类国际学术会议，也是信息检索、知识管理和数据挖掘领域具有重要影响力的国际会议。会议聚焦数据挖掘、信息检索、知识管理、推荐系统等研究方向，近年来也广泛关注大语言模型与数据智能等前沿议题，每年吸引全球高校、科研机构和科技企业的研究人员参与。

聚类分析是数据挖掘与机器学习中的重要基础技术。然而，传统聚类方法主要依赖数据自身的分布特征，往往难以充分适应复杂场景中的实际需求；主动聚类虽然可以通过引入少量人工反馈提升聚类效果，但在处理大规模数据时仍面临计算开销大、交互效率低等问题。针对上述问题，谢文波教授团队论文提出了一种基于多粒度扩散图的高效可扩展主动聚类方法ACMDG。该方法通过迭代方式构建稀疏连通的多粒度图结构：利用细粒度图刻画数据的局部邻域关系，借助粗粒度图保持整体结构的连通性，并通过结构影响力评估识别具有代表性的关键节点。在此基础上，论文进一步设计了三级级联式节点选择策略和邻域集交互机制，以减少冗余查询；同时利用跨粒度标签扩散，将有限的人工反馈高效传播至整个数据空间，实现聚类结果的持续优化。相关实验验证了该方法在聚类效果、交互效率和大规模数据处理能力方面的优势，为工业数据挖掘、在线数据分析等场景提供了新的技术路径。

图1 ACMDG与代表性对比方法在不同数据集上的聚类效果对比

张斌是我院“本科生暑期科研启航计划”第二批学员。在谢文波副教授的指导下，他围绕数据挖掘与机器学习开展了持续、系统的科研训练，并深度参与论文研究与撰写工作。此次论文被CIKM 2026录用，是学院持续推进本科生科研训练、强化导师制培养取得的又一阶段性成果。

近年来，我院不断完善本科生科研育人体系，依托“本科生暑期科研启航计划”等项目，引导本科生尽早接触学科前沿、参与科研项目，在真实科研实践中提升创新意识、专业能力和学术素养，为培养具有创新精神和科研潜力的高素质人才奠定坚实基础。