近日，广州华立学院计算机工程学院在人工智能与图神经网络研究领域取得重要进展。由许晓绵组成的研究团队提出了一种创新的图重连算法CBERR，相关论文《CBERR: Community-based effective resistance graph rewiring》已在信息科学领域SCI期刊《Neurocomputing》正式发表。 《Neurocomputing》期刊是神经计算、人工智能等领域国际上的权威刊物，现为Jcr分区Q1，中科院SCI分区计算机科学大类2区Top，影响因子6.5。

图神经网络在处理图结构数据时面临过平滑、过挤压等拓扑结构缺陷，传统重连方法往往过度关注单一连接性，忽视了图结构的复杂性与计算成本。针对这一挑战，研究团队提出了一种基于社区结构的分治优化框架。CBERR算法通过两大互补模块实现协同优化：一是基于节点特征相似性的跨社区连接调整，增强全局结构与特征的匹配度；二是通过最小化社区子图的总有效电阻，强化局部连接并缓解信息传播瓶颈。

理论分析表明，该算法能有效调节图谱间隙并缓解过挤压问题。在多个经典数据集上的实验结果显示，CBERR在节点分类任务中的表现优于当前主流重连算法，且具有良好的计算扩展性与稳定性。 

此项研究成果的发表，是广州华立学院持续推进计算机学科建设、深化人工智能前沿研究的重要体现。它不仅展示了学校在图神经网络领域的科研实力，也标志着学院在信息科学基础研究与应用探索方面迈上了新台阶。学校将继续聚焦人工智能核心算法与交叉应用，强化有组织科研，为培养高素质应用型人才、服务区域数字经济发展贡献“华立力量”。

官网链接：CBERR: Community-based effective resistance graph rewiring - ScienceDirect

DOI：10.1016/j.neucom.2026.133016