刘猛 博士/百人计划B岗

主要研究方向包括图神经网络、多模态学习和聚类分析。在TPAMI、TKDE、NeurIPS、CVPR顶尖期刊会议上发表论文30余篇，含ESI热点论文1篇、高被引论文2篇，被引1300余次。获中国算力大会最佳论文、德国DAAD AInet Fellow学者奖、世界人工智能大会优秀论文入围、CCHI最佳学生论文、粤港澳图象图形会议优秀论文等荣誉。

担任Information Processing & Management期刊编委，INSC期刊青年编委，ICLR、ICASSP、COLM、BMVC等会议领域主席，TPAMI、TKDE、AIJ和NeurIPS、ICML、CVPR等期刊会议审稿人。更多信息见个人主页：https://mgithubl.github.io/

欢迎对图神经网络、多模态学习等领域感兴趣的研究生、本科生及线上实习生联系报考和入组学习，表现优异者可推荐至国内外知名高校继续深造。

电子邮箱：mengliuedu@163.com

教育及工作经历：

2022.09-2025.12 国防科技大学 计算机科学与技术专业 博士

2024.10-2025.10 新加坡国立大学 计算机学院 公派联合培养

2026.01-至今 河南大学 人工智能学院 百人计划B岗

研究领域：

图神经网络、多模态学习、聚类分析

主要荣誉:

累计ESI热点论文1篇，高被引论文2篇

2025，德国DAAD AInet Fellowship学者奖（2025年全球18人）

2025，世界人工智能大会优秀论文奖入围（一作，全球40篇）

2025/2024/2023/2021，四次研究生国家奖学金

2025，粤港澳图象图形学术会议优秀论文（一作，全会5篇）

2025，国防科技大学德雅学子/优秀毕业生（学院唯一）

2025，开放原子开源基金会（国防科技大学）开源之星

2025，中国科学与技术学报优秀青年学者

2025，AIA 期刊杰出审稿人

2024，中国算力大会最佳论文（一作，全国10篇）

2024，世界青年科学家峰会优秀海报

2023，CCHI最佳学生论文（一作，全会2篇）

代表性论文：

[1] Meng Liu, Ke Liang, Siwei Wang, Xingchen Hu, Sihang Zhou, Xinwang Liu. Deep Temporal Graph Clustering: A Comprehensive benchmark and Datasets. IEEE Transactions on Pattern Analysis and Machine Intelligence (IEEE T-PAMI), 2025. (CCF A 类期刊，中科院一区Top，影响因子18.6，2025粤港澳图象图形会议优秀论文)

[2] Meng Liu, Yue Liu, Ke Liang, Wenxuan Tu, Siwei Wang, Sihang Zhou, Xinwang Liu. Deep Temporal Graph Clustering. The 12th International Conference on Learning Representations (ICLR), 2024. (CAAI A类会议，2024中国算力大会最佳论文，2025世界人工智能大会优秀论文入围，2024世界青年科学家峰会优秀海报，被引100余次)

[3] Meng Liu, Ke Liang, Yawei Zhao, Wenxuan Tu, Sihang Zhou, Xinbiao Gan, Xinwang Liu, Kunlun He. Self-Supervised Temporal Graph Learning with Temporal and Structural Intensity Alignment. IEEE Transactions on Neural Networks and Learning Systems (IEEE T-NNLS), 2024. (CCF B类期刊，中科院一区Top，影响因子8.9，ESI高被引论文，被引100余次)

[4] Meng Liu, Ke Liang, Hao Yu, Lingyuan Meng, Siwei Wang, Sihang Zhou, Xinwang Liu. Multiview Temporal Graph Clustering. IEEE Transactions on Neural Networks and Learning Systems (IEEE T-NNLS), 2025. (CCF B类期刊，中科院一区Top，影响因子8.9)

[5] Meng Liu, Ke Liang, Dayu Hu, Hao Yu, Yue Liu, Lingyuan Meng, WenxuanTu, Sihang Zhou, Xinwang Liu. TMac: Temporal Multi-Modal Graph Learning for Acoustic Event Classification. The 31st ACM International Conference on Multimedia (ACM MM), 2023. (CCF A类会议)

[6] Meng Liu, Yong Liu, Qianqian Ren, Meng Han. Rethinking Multi-Level Information Fusion in Temporal Graphs: Pre-Training Then Distilling for Better Embedding. Information Fusion, 2025. (CAAI A类期刊，中科院一区Top，影响因子15.5)

[7] Meng Liu, Yong Liu. Inductive Representation Learning in Temporal Networks via Mining Neighborhood and Community Influences. The 44th International ACM SIGIR Conference on Research and Development in Information Retrieval (SIGIR), 2021. (CCF A类会议)

[8] Meng Liu, Jiaming Wu, Yong Liu. Embedding Global and Local Influences for Dynamic Graphs. The 31st ACM International Conference on Information and Knowledge Management (CIKM), 2022. (CCF B类会议)

[9] Meng Liu, Wenxuan Tu, Ke Liang, Xinwang Liu. Structural Embedding Pre-Training for Deep Temporal Graph Learning. The 2023 China Automation Congress (CAC), 2023. (2023 CCHI最佳学生论文奖)

[10] 刘勇, 刘猛. 图模式挖掘技术. 哈尔滨工业大学出版社, 2022. (学术专著)

[11] Zhibin Dong, Meng Liu, Siwei Wang, Ke Liang, Yi Zhang, Suyuan Liu, Jiaqi Jin, Xinwang Liu, En Zhu. Enhanced then Progressive Fusion with View Graph for Multi-View Clustering. The 42nd IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2025. (CCF A类会议)

[12] Ke Liang, Lingyuan Meng, Meng Liu, Yue Liu, Wenxuan Tu, Siwei Wang, Sihang Zhou, Xinwang Liu, Fuchun Sun, Kunlun He. A Survey of Knowledge Graph Reasoning on Graph Types: Static, Dynamic, and Multi-Modal. IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI), 2024. (中科院一区Top, 影响因子20.8, CCF A类期刊, ESI热点论文，ESI高被引论文，CCF-AI中国图机器学习会议优秀海报, 被引400余次，Github 1400+ Stars)

[13] Ke Liang, Lingyuan Meng, Meng Liu, Yue Liu, Wenxuan Tu, Siwei Wang, Sihang Zhou, Xinwang Liu. Learn from Relational Correlations and Periodic Events for Temporal Knowledge Graph Reasoning. The 46th International ACM SIGIR Conference on Research and Development in Information Retrieval, SIGIR 2023. (CCF A类会议，Paper Digest最具影响力SIGIR论文，被引100余次)