在數(shù)據(jù)挖掘與知識發(fā)現(xiàn)領(lǐng)域，黑龍江大學(xué)計(jì)算機(jī)與大數(shù)據(jù)學(xué)院（網(wǎng)絡(luò)安全學(xué)院）的科研團(tuán)隊(duì)取得了令人矚目的成果。由朱敬華教授擔(dān)任通訊作者、2025級碩士研究生郭子杰作為第一作者的論文《FedTail-DT: A Dual-Teacher framework for Long-Tailed Heterogeneous FL with CLIP Prototypes and Adaptive Aggregation》，成功被國際頂級學(xué)術(shù)會(huì)議ACM SIGKDD Conference on Knowledge Discovery and Data Mining（KDD 2026）錄用。這一成果標(biāo)志著該團(tuán)隊(duì)在相關(guān)研究領(lǐng)域邁出了重要一步。

KDD作為數(shù)據(jù)挖掘與知識發(fā)現(xiàn)領(lǐng)域的標(biāo)志性會(huì)議，具有深厚的歷史底蘊(yùn)和極高的國際影響力。它被中國計(jì)算機(jī)學(xué)會(huì)（CCF）認(rèn)定為A類會(huì)議，在國際CORE評級中達(dá)到A*級，同時(shí)也是學(xué)校認(rèn)定的高水平科研成果。該會(huì)議的核心研究賽道（Research Track）競爭異常激烈，歷年錄用率均低于20%，2026年的錄用率僅為18.5%。據(jù)谷歌學(xué)術(shù)指標(biāo)顯示，KDD在計(jì)算機(jī)工程領(lǐng)域數(shù)據(jù)挖掘與分析方向的h5指數(shù)高達(dá)124，在全球該領(lǐng)域中位居第二，學(xué)術(shù)地位十分突出。

聯(lián)邦學(xué)習(xí)作為一種隱私友好型的分布式學(xué)習(xí)范式，在打破數(shù)據(jù)孤島、保護(hù)數(shù)據(jù)隱私方面發(fā)揮著重要作用，在金融、醫(yī)療健康等行業(yè)有著廣闊的應(yīng)用前景。然而，在實(shí)際應(yīng)用中，聯(lián)邦學(xué)習(xí)面臨著數(shù)據(jù)異構(gòu)和類別長尾分布這兩大難題。針對這些問題，朱敬華教授團(tuán)隊(duì)創(chuàng)新性地提出了FedTail-DT框架。

該框架首次引入預(yù)訓(xùn)練CLIP模型作為語義先驗(yàn)教師，并結(jié)合全局迭代優(yōu)化教師，構(gòu)建了“雙教師 - 單學(xué)生”的知識蒸餾架構(gòu)。通過CLIP文本原型對比學(xué)習(xí)，有效解決了尾部類別特征偏移的問題。同時(shí)，團(tuán)隊(duì)還創(chuàng)新設(shè)計(jì)了多維客戶端評分機(jī)制，能夠精準(zhǔn)校準(zhǔn)模型聚合權(quán)重。大量實(shí)驗(yàn)結(jié)果表明，F(xiàn)edTail-DT框架憑借跨模態(tài)先驗(yàn)知識、尾部類別特征增強(qiáng)與動(dòng)態(tài)客戶端權(quán)重調(diào)配的協(xié)同作用，顯著提升了模型性能，為長尾場景下的聯(lián)邦學(xué)習(xí)提供了全新的、高效的技術(shù)方案。

此次論文的成功錄用，不僅體現(xiàn)了黑龍江大學(xué)學(xué)者在國際學(xué)術(shù)前沿的探索精神和學(xué)術(shù)潛力，也是計(jì)算機(jī)與大數(shù)據(jù)學(xué)院（網(wǎng)絡(luò)安全學(xué)院）“以科研促育人、以育人強(qiáng)科研”理念的生動(dòng)體現(xiàn)。學(xué)院將持續(xù)營造良好的創(chuàng)新氛圍，培育優(yōu)秀的師生團(tuán)隊(duì)，產(chǎn)出更多具有原創(chuàng)性的科研成果，推動(dòng)學(xué)校“雙一流”建設(shè)和學(xué)科發(fā)展不斷前進(jìn)。