张文涛的博士学位论文主要研究大规模图神经网络的关键技术，选题具有重要的理论意义和实践价值。文章的主要贡献和创新点在于：1）在数据层面，提出了多种大规模高效图数据标注方法； 2）在模型层面，进一步以数据为中心，提升图神经网络模型在数据不完美场景下的预测能力；3）设计和实现了一个大规模图神经网络系统，并在该系统上进行了多种图任务场景的对比。

张文涛，北京大学国际机器学习研究中心助理教授、研究员、博士生导师。于2022年在北京大学计算机学院获博士学位，曾任职于腾讯机器学习平台部、Apple AIML以及Mila人工智能实验室。研究兴趣为以数据为中心的机器学习、图机器学习、机器学习系统和交叉学科应用（如Diffusion Model、多模态和AI4Science）。 近5年在机器学习（ICML, NeurIPS, ICLR）、数据挖掘（KDD, WWW）和数据管理（SIGMOD, VLDB, ICDE）等领域发表CCF-A类论文40余篇，并获得多个最佳论文奖（如第一作者获WWW’22 Best Student Paper Award 和 通讯作者获APWeb-WAIM’23 Best Paper Runner Up Award）。领导或参与开源了多个机器学习系统，如大规模图学习系统SGL、分布式机器学习系统Angel、和黑盒优化系统OpenBox。曾获2021年度亚太地区唯一的Apple Scholar、2022世界人工智能大会云帆奖等多项荣誉。

崔斌，北京大学计算机学院教授、教育部长江学者特聘教授，IEEE Fellow，担任北京大学计算机学院副院长、数据科学与工程研究所所长，在顶级国际会议和期刊发表学术论文200余篇，包括SIGMOD、VLDB、ICDE、KDD、NeurIPS、ICML、TKDE、TOIS等，并多次获得包括NSR期刊2016最佳论文、WWW 2022国际会议最佳学生论文、VLDB 2022国际会议最佳可扩展数据科学论文等奖励。自2006年起主持和承担数十个科研项目，包括国家自然科学基金重点项目、国家重点研发计划课题、核高基重大专项、以及部委资助项目等。中国计算机学会杰出会员，IEEE高级会员， ACM会员，中国计算机学会数据库专委会副主任，VLDB理事会理事。担任Springer期刊DSE主编，IEEE TKDE、VLDB Journal、DAPD等国际期刊编委，担任顶级会议VLDB 2024大会主席，数十个国际顶级会议的程序委员会委员。曾获得2008年微软亚洲研究院“微软青年教授奖”，2009年中国计算机学会“CCF 青年科学家奖”，2014年教育部自然科学二等奖等奖项。指导的学生曾多次获得北京大学优秀博士学位论文、CCF优秀博士学位论文、ACM中国优秀博士学位论文、微软学者、苹果奖学金、谷歌奖学金等荣誉。