我院智能服务计算团队两项研究成果：1、“Efficient Exact and Approximate Betweenness Centrality Computation for Temporal Graphs”； 2、“TATKC: A Temporal Graph Neural Network for Fast Approximate Temporal Katz Centrality Ranking”，被国际顶级学术会议WWW’24（Proceedings of the ACM Web Conference 2024，原名The International Conference of World Wide Web，简称 WWW’24)接收。两篇论文一作均为张天明副研究员，团队曹斌、范菁教授为共同作者。

论文“Efficient Exact and Approximate Betweenness Centrality Computation for Temporal Graphs”提出了一种精确时态介数中心性计算方法。引入时间实例图和压缩的概念，并推导出时态依赖理论以及一种基于等效顶点和时态边的压缩方法来提高计算效率。同时提出了一种近似时态介数中心性计算方法，其基于Rademacher平均值设计，并由概率保证近似效果。论文提出的算法在不同数据集中都取得了最好的效果。论文第一作者为张天明副研究员，论文第三作者为硕士研究生赵杰。

论文“TATKC: A Temporal Graph Neural Network for Fast Approximate Temporal Katz Centrality Ranking”提出了一种基于时态图神经网络方法以预测时态图中节点的时态卡兹中心性排名，并且研究成果可以应用在大规模时态图中。该方法模拟了时态卡兹中心性的计算过程，利用时间注入的自注意力机制学习节点表示，在多个不同领域和规模的时态网络数据集上都取得了最好的效果。论文第一作者为张天明副研究员，第二作者是硕士生方俊凯。

WWW会议（原名The International Conference of World Wide Web，简称 WWW）是一年一度的国际学术会议，也是CCF推荐A类会议，主题是万维网的未来发展方向。该会议一直是展示和讨论万维网相关主题的研究、开发、标准和应用进展的首要场所。

题目：Efficient Exact and Approximate Betweenness Centrality Computation for Temporal Graphs

作者：Tianming Zhang, Yunjun Gao, Jie Zhao, Lu Chen, Lu Jin, Zhengyi Yang, Bin Cao, JING FAN

题目：TATKC: A Temporal Graph Neural Network for Fast Approximate Temporal Katz Centrality Ranking

作者：Tianming Zhang, Junkai Fang, Zhengyi Yang, Bin Cao, JING FAN