基本信息

吕庚育，男，副教授（校聘教授），博士生导师。2022年6月毕业于北京交通大学计算机科学与技术专业，获得工学博士学位。入选365英国上市公司高端人才队伍建设计划优秀人才，2024-2026年北京科协青年人才托举工程项目。

详细介绍和招生信息，请参见【个人主页】，https://gengyulyu.github.io/homepage/

【注意事项】：申请课题组前（含博士、硕士、本科实习生），请务必查看主页信息，了解课题组基本情况，招生/毕业/实习要求等，并按要求准备个人简历。

研究方向

主要从事机器学习、数据挖掘等领域的基础理论和应用研究工作，主要研究方向如下：

[1]理论层面：聚焦于开放数据场景下的多模态数据理解及其数据安全研究，具体包括弱监督学习（Weakly-Supervised Learning）、多模态/视角学习（Multi-Modal/ViewLearning）、多标记学习（Multi-Label Learning）、联邦学习（Federated Learning）等。

[2]应用层面：聚焦于人工智能技术在科技教育、智慧司法、工业互联网等典型场景中的工程化落地与智能体应用，具体包括教育行为的多视角建模与个性化路径推荐、法律文本的语义理解与类案匹配，多模态工业传感数据的协同智能运维、及面向跨域敏感数据的联邦学习与隐私保护推理等。

学术兼职

[1]学术期刊审稿人：TPAMI、AIJ、TNNLS、TMM、TCYB、TCSVT、TII、MLJ、PR、INS、中国科学：信息科学、计算机学报、软件学报等；

[2]学术会议程序委员会成员/审稿人：ICML、NeurIPS、ICLR、CVPR、ICCV、ECCV、AAAI、IJCAI、ECML-PKDD、AISTATS等。

最新论文成果

[1] Hypergraph-Based Unaligned Multi-View Clustering via Cluster-Aware Feature Extraction, ACM SIGKDD, 2026. (CCF A,本科生一作)

[2] DF-VB: Dual-level Fuzzy Fusion with View-specific Boosting for Multi-view Multi-label Classification ,CVPR, 2026. (CCF A,博士生一作)

[3] Hypergraph-Based Multi-View Multi-Label Classification via Adaptive High-Order Semantic Fusion, AAAI, 2026. (CCF A, Oral,本科生一作)

[4] CCAHCL: Multi-Level Hypergraph Contrastive Learning for Connected Component Awareness, AAAI, 2026. (CCF A, Oral,硕士生一作)

[5] CaliGCL: Calibrated Graph Contrastive Learning via Partitioned Similarity and Consistency Discrimination, NeurIPS, 2025. (CCF A,博士生一作)

[6] AF-UMC: An Alignment-Free Fusion Framework for Unaligned Multi-View Clustering, NeurIPS, 2025. (CCF A,硕士生一作)

[7] Simplified Graph Contrastive Learning Model without Augmentation, TKDE, 2025. (CCF A,博士生一作)

[8] Tensorized Multi-View Multi-Label Classification via Laplace Tensor Rank, ICML, 2025. (CCF A,硕士生一作)

[9] Mitigating Local Cohesion and Global Sparseness in Graph Contrastive Learning with Fuzzy Boundaries, ICML, 2025. (CCF A,博士生一作)

[10] Enhance Multi-View Classification Through Multi-Scale Alignment and Expanded Boundary, ICLR, 2025. (CCF A,博士生一作)