（通訊員徐青影）近日，第31屆國際知識發(fā)現與數據挖掘大會（ACM SIGKDD Conference on Knowledge Discovery and Data Mining，KDD）公布了論文接收結果。我院洪亮教授課題組在金融數據科學應用領域的研究成果—題為“Disclosing Actual Controller based on Equity Knowledge Graph Learning”的論文被KDD數據科學（Applied Data Science，ADS）分會接收。專業(yè)數據科學2023級博士生徐青影為論文第一作者，洪亮教授為通訊作者，保密管理專業(yè)2023級碩士生沈明軒與2022級本科生伊保坤為共同合作者，我院為署名單位。

挖掘公司的實際控制人，有助于分析與防范金融風險，同時為公司治理提供控制權結構的視角。股東通過其持有的公司股份來行使表決權，獲取控制權。實際情況下，除股權關系外，股東還能通過親屬、附屬、一致行動等關系與其他股東形成聯(lián)盟，從而擴大其控制權。然而，現有的基于博弈論的實際控制人挖掘方法忽略了股東之間除股權外的其他關系，同時，由于其指數級的計算復雜度，無法處理股東間復雜多跳關系所形成的大規(guī)模的股權網絡。

洪亮教授課題組構建了一個股權知識圖譜來表示股權網絡的復雜語義和結構信息，并將實際控制人挖掘任務轉化為股權知識圖譜上控制關系預測。從金融理論上來說，長期穩(wěn)定地處于獲勝聯(lián)盟中的股東可被視為實際控制人。因此，為識別獲勝穩(wěn)定聯(lián)盟，課題組提出了一種基于股權知識圖學習方法（EKGL）。為發(fā)現股東間穩(wěn)定的聯(lián)盟關系，在EKGL中設計了一個多關系聚合模塊，通過綜合股東間不同類別的關系，預測股東一致行動概率。在此基礎上，利用一種元路徑聚合模塊，捕獲股東的持股路徑，對持股結構進行編碼，從而衡量股東的持股比例。最后，為了確定獲勝的穩(wěn)定聯(lián)盟，設計了控制神經網絡來模擬股東的投票過程。基于真實數據集構建的股權知識圖譜的實驗和案例研究驗證了EKGL的有效性。

據悉，KDD是中國計算機學會（CCF）推薦的A類國際學術會議，為數據挖掘領域的頂級會議。本次ADS分會投稿量達285篇，僅22%被錄用。這是我院作為論文通訊單位首次在該會議上發(fā)表論文。（責編范秋硯）