近日，大数据领域知名刊物IEEE Transactions on Big Data (IEEE TBD)在第8卷第4期正式发表本研究组在NMF社区发现方面的最新论文《Boosting nonnegative matrix factorization based community detection with graph attention auto-encoder》（下载地址：https://ieeexplore.ieee.org/document/9512416），该文提出了一种基于非线性NMF的社区发现方法NMFGAAE，主要借助图神经网络（Graph Neural Network, GNN）和深度聚类来提高基于 NMF的社区发现性能，大量实验结果证明NMFGAAE不仅优于现有最具代表性的基于NMF的社区发现方法，而且还优于一些典型的基于网络表示学习的方法。

该文刊登在IEEE TBD的Special Issue on Social Media Computing，客座编辑均为图机器学习领域的国内外权威学者，包括北京大学的宋国杰教授、北京邮电大学的石川教授、加利福尼亚大学洛杉矶分校孙怡舟教授及清华大学的刘知远教授，该专辑共刊登5篇论文（投稿37篇，录用率约为13.5%）

IEEE TBD是大数据领域的知名刊物，由著名的人工智能领域专家杨强教授于2015年创刊，目前执行主编是清华大学计算机系教授唐杰，期刊论文接受率约12%（其中包括Special issues文章），年刊文量100篇左右，目前SCI影响因子为4.271。