项目重点信息
港中文系统工程与工程管理学系（SEEM）近两年在SIGMOD上的出现频率，在香港工程院系里算比较高的。Sibo Wang是这个系的副教授，他的主页上写得很清楚：在招PhD、博后和RA。更具体的信息是，2027-2028学年他有2个PhD名额，预计在2026年7月的系暑期工作坊（PhD Admission Workshop）中发放early offer。等到常规12月截止再投，名额可能已经满了。
导师信息与研究领域
Sibo Wang，2011年复旦软件工程本科，2016年南洋理工计算机博士。目前是港中文SEEM副教授。他的研究落在数据库和数据挖掘这条线上，但不是传统意义上只做SQL查询优化的方向。他最集中的问题是：在大规模图数据上怎么做高效的近似计算和动态更新。这包括动态图聚类（结构化聚类在图不断变化时怎么维护索引）、影响力最大化（社交网络中如何高效选种子节点）、以及图上的采样近似算法。近两年他的论文还开始涉及GNN相关的主动学习，这条线和AI的交叉越来越明显。
从公开论文的合作者名单推算，组里至少有5-6名在读PhD。能确认的包括Jinchao Huang（中科大本科，2023年入学），Fangyuan Zhang、Xingguang Chen、Qintian Guo等。Jinchao Huang在2025年拿了KDD Travel Award，还去了滑铁卢大学做了5个月访问，这个节奏对一个二年级博士生来说相当紧凑。Fangyuan Zhang的名字在近三年的SIGMOD和VLDB论文里反复出现，属于组里的核心产出成员。
研究问题与关键思路
我先看了他近两年的通讯作者论文，关键词基本落在三件事上：动态图索引、采样近似、影响力传播。这三件事不是并列的，而是有一条方法线串着的：怎么用概率采样和增量索引的思路，在图结构不断变化的场景下把计算成本降下来。
BOTBIN: Accelerated Indexing for Structural Graph Clustering on Dynamic Graphs
IEEE TKDE, 2025
这篇解决的问题是：图的结构在动态变化时，已有的聚类索引怎么增量更新而不是重新算。做过图聚类的人会知道，核心瓶颈不在聚类算法本身，而在边增删之后索引失效的代价。他们提出了一种加速索引方案，能在边变动后只更新受影响的局部索引。如果申请者做过图算法或者大规模数据索引相关的工作，这篇论文的实验设计值得仔细看，里面对比了几种baseline的scalability。
Learning-based Property Estimation with Polynomials
SIGMOD 2024
这篇是和人大的Wei合作的，用学习的方式做数据库属性估计，方法核心是多项式近似。SIGMOD发这种偏理论的工作说明审稿人认可了其实用性和理论保证。对申请者来说，如果你有统计学习或近似算法的底子，这篇论文的方法框架可以成为你RP里的技术起点。
Efficient Algorithm for Budgeted Adaptive Influence Maximization
SIGMOD 2024
影响力最大化是他另一条持续在做的问题。这篇的贡献是提出了增量式RR-set更新，解决的是预算约束下的自适应种子选取。能做这个问题的人，需要对次模优化、概率图模型和大规模采样都比较熟。这也是组里比较成熟的问题线，前面有积累，新人接上手会快一些。
我刚才说他的问题线从动态图索引到影响力传播再到GNN主动学习，这三块之间的共同底层是采样和近似保证。这是一个有方法论一致性的组，不是什么热就跳什么。如果你只做过一些应用层面的GNN训练，没有碰过索引设计或采样理论，进这个组初期会有一段补课的过程。
申请材料要点
他的主页要求申请者发送详细成绩单和列出奖项与发表的CV。这两项不是走形式。成绩单说明他会看你的算法、数据结构、概率统计等基础课分数，如果这几门课成绩不好，CV上其他东西很难补回来。
CV里不要只堆项目名称。如果做过图相关的算法实现、大规模数据处理、或者索引/查询优化的工作，把三件事写清楚：处理的数据规模是什么量级、用了什么算法或数据结构、最后跑出来的效率提升是多少。没做过图方向的人，如果有扎实的算法竞赛或系统编程经历，也可以写，但邮件第一段要说清楚你准备从哪个具体问题切入。
邮件第一段的写法：先说你做过什么具体的数据或算法问题（不是"我对图计算感兴趣"），再说你读了他哪篇论文（具体到论文名），最后说你想把题目缩到哪个点上。这三件事用3-4句话写完，不要超过半页。
Research Proposal 创新点
主方向：动态图上的大规模GNN训练与推理加速。他组里已经在做动态图索引（BOTBIN）和GNN主动学习（FICOM），两条线交叉的空白地带是：当图结构不断变化时，GNN的训练过程怎么利用增量索引避免全图重训。具体可以缩成：对象是百万节点级别的动态社交图或引用网络，数据来源是公开的图benchmark（OGB等），方法是在他们组的索引框架上叠加增量训练策略，可追问的问题是"增量索引的近似误差怎么传导到GNN预测精度上"。
次方向：面向LLM+知识图谱的高效子图检索。他组里在做属性推荐（Attribute Recommendation, SIGMOD 2024），这个工作的底层可以延伸到LLM检索增强生成（RAG）场景中的知识图谱子图匹配问题。不过这条线在他组里还不算成熟，需要主动和导师确认他是否有兴趣往这个方向推。
避坑方向：不要写"图计算的全面综述"或者"社交网络分析的未来趋势"这种题目，太虚。也不要写纯应用层面的"用GNN做推荐系统"，他组里的核心竞争力在算法和理论保证，不在应用落地。RP第一页如果写不出具体的对象、数据来源和方法路径，先别往后铺文献综述。
奖学金和学费
港中文的PhD标准资助方案（Postgraduate Studentship）是每月HK$19,100，全年HK$229,200，在normative study period内发放（信息来源：CUHK Graduate School官网，L1级）。学费为HK$47,000/年（2026/27学年，L1级）。扣完学费后，相当于每月净到手约HK$15,200。
香港博士研究生奖学金计划（HKPFS）的标准更高：每年HK$340,800（约HK$28,400/月）外加HK$14,200差旅补贴，为期三年。港中文对HKPFS获奖者还有额外HK$80,000的top-up（第一年HK$40,000，后两年各HK$20,000），同时免学费。HKPFS申请截止通常在12月初（L1级）。
关于导师项目经费：Sibo Wang主页上没有单独列出在研基金名称和金额，但从SIGMOD和VLDB的论文产出节奏看，组里的经费支撑是持续的（L2级推断）。2个明确的PhD名额说明他至少有足够的funding支持这些位置。不过具体是学院名额还是导师项目经费，公开信息没有写清，需要邮件确认。
经历能接上他近两年这条动态图和采样近似的问题线，这个组值得认真准备。时间窗口比较明确：2026年7月暑期工作坊是early offer批次，错过这一轮的话常规截止再投就要看剩余名额了。
