主要研究大规模图上的经典图算法(Graph Algorithms)分析优化，和现实世界应用涉及的社区搜索(CommunitySearch/Detection)、图相似性计算(Graph Similarity Computation)等问题。
（1）大图算法分析及优化
面向现实世界应用产生的真实图（real-world graphs）所具备的性质，针对节点相似度计算（node similaritycomputation）、子图匹配和相似度搜索（subgraph matching/similaritysearch）、可达性（reachability）、关联子图查询（s-t SubGraph Query）等经典图计算问题，研究大规模图上的算法优化和理论分析方法，降低理论计算复杂度，提升实际计算效率，并拓展新的图算法设计和分析思路。
（2）神经网络化的图算法(Neural GraphAlgorithms)
面向传统图算法输入信息存在瓶颈（仅涉及图结构）、LLM难以较好理解图数据(GraphReasoning)和进行高效大图推理等挑战，针对社区搜索(CommunitySearch/Detection)、图相似性计算(GraphSimilarity Computation)等既包含图结构和丰富语义信息做为输入、又具备真值(GroundTruth)的图问题，探索结合图表示学习、传统图算法思路和LLM语义理解能力的神经网络化图算法，力争在计算准确度、计算效率和可扩展性上实现较现有技术的提升。
2. 图深度学习模型
（1）子图类任务(Subgraph-level Tasks)的图学习理论
探索除经典的分类(Classification)任务（节点分类、链接预测、图分类等）外，其他涉及复杂图关联关系、需要进行图搜索且问题输出规模较大的子图类任务的图学习理论，例如子图匹配和计数(subgraph matching/counting)、图编辑距离(graph edit distance,GED)计算、图对齐(graph alignment)、图社区发现(community detection)等。研究组合优化（combinatorialoptimization）等计算难问题的近似求解。
（2）时序图学习(Temporal Graph Learning)
探索面向动态（dynamic）和时序（temporal）图的深度学习模型，实现时序链接预测（temporal linkprediction）等经典任务，和时序图上的复杂子图类学习任务。探索时序图和时序语义图(DTAG等)的基础模型。
3.图基础模型(Graph Foundation Model, GFM)关键技术
探索图学习领域结构信息和语义信息建模的合理架构、面向图迁移学习和小样本学习场景实现正向迁移(positive transfer)的关键技术。
（1）面向图结构(text-free)信息的GFM
（2）多模态图学习(Multi-Modal Graph Learning)
研究多模态图学习的模型架构，探索自适应的关联结构学习对多模态学习的作用。
（3）图迁移学习和小样本学习技术
面向经典的分类(Classification)任务和复杂子图类学习任务开展研究。
4. Graph4AI
（1）面向化学领域的分子和蛋白质结构、性质预测的核磁谱图同构快速指认等。
5.图数据库与大图计算关键技术
研究生培养
每年招收1名博士研究生，2-3名硕士研究生（包含专业硕士），其中侧重科研学术方向1-2名，侧重工程技术方向1名。
对博士研究生，要求
对侧重工程技术方向的专业硕士研究生，要求
欢迎有意报考2026级研究生的考研同学与我联系~
———————————————————————————————————————————————————————
研究生
2025级：
李明亮 研究方向：Graph Reasoning with GraphLLM, Neural Graph Algorithms
刘彦举 研究方向：Graph Foundation Model (Subgraph-Level Tasks), Graph4Science
胡恩 研究方向：图基础模型(graph foundationmodel), Multi-Modal Graph Learning
2024级：
郭宗申 研究方向：动态和时序图学习(temporal graph learning)
欧阳煜威 研究方向：大规模图对齐(scalable graph alignment)，子图类(subgraph-level)学习任务
刘奇 研究方向：动态和时序图学习(temporal graphlearning)，Graph+LLM
2023级：
孙越天 研究方向：大规模动态图上的增量式单源SimRank查询算法研究
王泽璇 研究方向：基于图对齐的核磁谱图同构快速指认算法研究
2022级：
陈嵩阳（工程博士，联合指导） 研究方向：图对齐(graph alignment)
本科实习生
马嘉璐（2022级） 研究方向：Temporal Graph Transformer
李禹澎（2024级） 大二年度研究方向：NMR Assignment
曾俊勇（2025级） 大一年度研究方向：Efficient Graph Algorithms on Large Graphs
2022级：
薛梦阳 硕士论文：基于图建模与表示学习的地铁基站定位研究（腾讯合作） 去向：农行数据中心
曾子源 硕士论文：融合图表示与最优传输的无监督图对齐方法 去向：华为（上海）
2021级：
王海旭 硕士论文：基于图建模与标签关联性学习的地图匹配技术研究（腾讯合作） 去向：字节跳动
宋宇超 硕士论文：基于图表示学习的货运空车调度算法研究 去向：地方公务员
赵英豪 硕士论文：大规模图上的SimRank节点相似度计算 去向：国家部委公务员
罗威 硕士论文：面向大规模路网的稀疏轨迹地图匹配模型（腾讯合作） 去向：成方金融科技
2020级：
刘睿 硕士论文：基于标签传播的流行度预测高效计算研究 去向：中科院某所（青岛）
2019级：
雷李想 硕士论文：基于域内特征相似性的点击率预估数据增强 去向：阿里巴巴
数据库系统原理（本科生）
大数据技术（本研跨学科课程群）
数据仓库与大数据工程（研究生）
1. 2022年度CCF-腾讯犀牛鸟科研基金，优秀专利奖
3. 第五届北京交通大学教师教学创新大赛三等奖
4. 北京交通大学握奇奖教金（2025）
CCF数据库专业委员会执行委员
Program Committee Member: KDD 2025, WWW 2025, ICDE 2025, VLDB 2024 Demo, WAIM-APWeb 2024, DASFAA 2022/2023/2024 GDMA Workshop, WISE 2021 Demo
Reviewer: IEEE TKDE (2019-), VLDB 2021, WWW Journal (2021-), Big Data Research (2021-), KDD 2022, ICML 2022, NeurIPS 2022, 计算机学报 (2021-)