上海科技大学信息科学与技术学院张海鹏课题组致力于数据挖掘的理论与应用研究，探索金融、人文、社交等领域的大规模人类行为的规律、影响和机制，支持相关领域的智能决策。近日，课题组在风险投资成功预测、古诗词情感分析方面取得两项研究成果，发表于国际学术期刊ACM Transactions on Intelligent Systems and Technology (ACM TIST) 和国际人工智能联合会议（International Joint Conference on Artificial Intelligence, IJCAI)。
基于动态图神经网络的风险投资成功预测方法
识别具有高潜力的初创企业对风险投资(VC)机构和政策制定者至关重要，但大多数初创企业最终都会失败，早期阶段企业的存活率更低。课题组基于全球40年的风险投资数据，将VC生态系统建模为连接初创企业与个人(投资者/管理团队)的动态二部图网络(图1)，提出了一种预测初创企业在首轮融资后5年内能否成功的方法(图2)。实验表明,该模型能够识别出成功概率是专业投资者所选企业两倍的早期初创企业。模型识别出人脉资源、教育背景等关键成功因素，与风险投资文献的研究结论一致。
图1 风险投资生态系统示意图。
图2 风险投资成功预测模型图。
成果以题为“Help Me Screen: Analyzing and Predicting the Success of Start-ups in Dynamic Venture Capital Networks”发表在ACM TIST期刊上。上海科技大学是第一完成单位，信息学院硕士毕业生吕世伟、李笑风为论文的共同第一作者，美国马里兰大学张坤鹏教授、上科大张海鹏教授为共同通讯作者。相关课题曾获上海市金融学会青年课题一等奖，并入选《上海科技年鉴》。
论文链接：https://dl.acm.org/doi/pdf/10.1145/3763001
多模态中华古典诗歌情感分析框架
中华古典诗歌的情感表达不仅依赖文字内涵，更通过韵律节奏与画面意象共同传递(图3)。现有研究多聚焦于文本分析，忽略了诗歌特有的音韵特征与视觉元素，导致情感理解不够全面。为此，课题组设计了一种融合语音、视觉与文本的三模态中文表征框架(图4)，首次将方言音频特征与生成式视觉特征引入古典诗歌的情感分析中。该框架在公开数据集上达到最优性能。研究还发现，方言特征对地域性诗歌的情感分类具有显著提升作用。
图3 中华诗词的音韵、意象与文本语义示例。
图4 多模态中华古典诗歌情感分析框架。
成果以“Picturized and Recited with Dialects: A Multimodal Chinese Representation Framework for Sentiment Analysis of Classical Chinese Poetry”为题发表于IJCAI 2025。上海科技大学是第一完成单位，信息学院2023级硕士研究生杜晓聪、2024级硕士研究生裴昊宇为共同第一作者，张海鹏教授为通讯作者。
沪公网安备 31011502006855号