近年来，由于图结构的强大建模能力，用机器学习方法分析图数据的研究越来越受到重视。图机器学习是一类基于机器学习的图数据处理方法。特别是，将经典卷积神经网络模型拓展到具有非欧特性的图数据而产生的图神经网络具有强大结构和特征融合学习能力，已成为国际研究热点，是人工智能发展的前沿技术。图机器学习不仅局限于处理图数据，也广泛应用于计算机视觉、自然语言处理、网络安全和药物发现等领域。虽然图机器学习在理论研究和工业应用取得巨大成功，但是在如图机器学习与大模型的结合、学习模型的可解释性、学习算法的可靠性等问题，仍然面临巨大的挑战。

2024 年《计算机研究与发展》的“图机器学习”专题将聚焦图模型最新进展及其所面临难题，征集相关领域的学者、科研人员、企业一线专家在上述问题取得的研究成果。

此外，专题将与2024中国数据挖掘会议（CCDM2024）合作，所有专题录用稿件均需在CCDM2024专题论坛上报告交流。

一、征文范围（包括但不限于）

1. 图神经网络的新架构与新理论；

2. 图建模与分析方法：异质图、超图、动态图等；

3. 可信图机器学习：鲁棒性、公平性、可解释、隐私性、安全性等；

4. 新型图模型：图生成模型、谱图神经网络、图自动学习等；

5. 图机器学习与大模型结合；

6. 大规模图数据处理；

7. 机器学习在不同领域的创新应用，如电子商务、金融风控、生物制药、网络安全、交通系统等。

二、征文要求

1．论文应属于作者的科研成果，未在国内外公开发行的刊物或会议上发表，不存在一稿多投问题。作者在投稿时，需向编辑部提交版权转让协议。

2．论文一律用word格式排版，格式体例参考近期出版的《计算机研究与发展》的要求（https://crad.ict.ac.cn/tougaozhinan）。

3．论文通过期刊网站（https://crad.ict.ac.cn）投稿，投稿时需提供作者的联系方式。作者投稿时请务必在留言中注明“图机器学习2024专题”。（否则按自由来稿处理）。

三、重要日期

征文截止日期：2024年3月1日

录用通知日期：2024年5月1日

修改稿提交日期：2024年5月15日

出版时间：2024年8月

四、特邀编委

梁吉业 山西大学教授、CCF会士

ljy@sxu.edu.cn

石 川 北京邮电大学教授、CCF杰出会员

shichuan@bupt.edu.cn

徐 童 中国科学技术大学教授

tongxu@ustc.edu.cn

五、联系方式

编辑部：crad@ict.ac.cn010-62620696, 010-62600350

通信地址：北京2704信箱《计算机研究与发展》编辑部邮编100190