（通讯员徐青影）近日，第31届国际知识发现与数据挖掘大会（ACM SIGKDD Conference on Knowledge Discovery and Data Mining，KDD）公布了论文接收结果。我院洪亮教授课题组在金融数据科学应用领域的研究成果—题为“Disclosing Actual Controller based on Equity Knowledge Graph Learning”的论文被KDD数据科学（Applied Data Science，ADS）分会接收。专业数据科学2023级博士生徐青影为论文第一作者，洪亮教授为通讯作者，保密管理专业2023级硕士生沈明轩与2022级本科生伊保坤为共同合作者，我院为署名单位。

挖掘公司的实际控制人，有助于分析与防范金融风险，同时为公司治理提供控制权结构的视角。股东通过其持有的公司股份来行使表决权，获取控制权。实际情况下，除股权关系外，股东还能通过亲属、附属、一致行动等关系与其他股东形成联盟，从而扩大其控制权。然而，现有的基于博弈论的实际控制人挖掘方法忽略了股东之间除股权外的其他关系，同时，由于其指数级的计算复杂度，无法处理股东间复杂多跳关系所形成的大规模的股权网络。

洪亮教授课题组构建了一个股权知识图谱来表示股权网络的复杂语义和结构信息，并将实际控制人挖掘任务转化为股权知识图谱上控制关系预测。从金融理论上来说，长期稳定地处于获胜联盟中的股东可被视为实际控制人。因此，为识别获胜稳定联盟，课题组提出了一种基于股权知识图学习方法（EKGL）。为发现股东间稳定的联盟关系，在EKGL中设计了一个多关系聚合模块，通过综合股东间不同类别的关系，预测股东一致行动概率。在此基础上，利用一种元路径聚合模块，捕获股东的持股路径，对持股结构进行编码，从而衡量股东的持股比例。最后，为了确定获胜的稳定联盟，设计了控制神经网络来模拟股东的投票过程。基于真实数据集构建的股权知识图谱的实验和案例研究验证了EKGL的有效性。

据悉，KDD是中国计算机学会（CCF）推荐的A类国际学术会议，为数据挖掘领域的顶级会议。本次ADS分会投稿量达285篇，仅22%被录用。这是我院作为论文通讯单位首次在该会议上发表论文。（责编范秋砚）