连续两年入选 AI 2000 Most Influential Scholar 的人，在港校计算机系里并不算多。黄鑫是其中一个，方向是 Database，具体来说是图数据库和社区搜索。他在 VLDB、SIGMOD、ICDE 这几个数据库顶会上的论文不少，但更值得看的是他近两年通讯作者论文的问题集中度——基本都在"大规模图上的稠密子图发现"这条线上。
项目重点信息
香港浸会大学（Hong Kong Baptist University）计算机科学系有明确的 PhD 招生项目，标准资助每月约 18,500 港币，学费全免。这个系近年在数据库、AI、网络安全几个方向都在扩，黄鑫所在的数据库和图分析方向是系里的强项之一。浸会的 PhD 项目走英式体制，通常 3-4 年完成，入学后直接进组跟导师做研究。
导师信息与研究领域
黄鑫是浸会计算机科学系副教授，研究方向集中在图数据管理、社区搜索算法和空间数据分析。他的 Google Scholar 显示 h-index 35，总引用接近 4800 次。组里目前有 4 名 PhD 在读和 1 名博后。
他拿过两项 RGC GRF（优配研究金），还有一项 NSFC 面上项目在研。这几笔 funding 加起来，短期内招生名额是有的。但具体今年是否还有空位，需要直接邮件确认。
研究问题与关键思路
我看了他近三年的通讯作者论文，核心问题线其实很清楚：在大规模图（社交网络、知识图谱、地理信息网络）上，怎么高效找到满足特定约束的稠密子图或社区结构。这个问题听起来学术，但落地场景很多——社交网络里的关键群体识别、城市数据里的区域聚类、知识图谱里的实体关联挖掘。
Efficient Algorithms for Densest Subgraph Discovery on Large Graphs
VLDB Journal, 2024 | 引用 28
这篇解决的是经典稠密子图问题的效率瓶颈。如果你做过图算法或者大数据处理，CV 里有相关项目经历会比较容易接上。
Influential Community Search over Large Graphs
IEEE TKDE, 2023 | 引用 65
社区搜索加了"影响力"这个维度。做过社交网络分析或者信息传播模型的人，这篇论文值得先读。
Cohesive Subgraph Search: Models, Algorithms, and Applications
Springer (monograph), 2023 | 引用 50
这是一本专著，把他这条线的工作做了系统整理。如果要写 RP，先通读这本书的框架会省很多时间。
他的研究方法以算法设计为主，涉及图论、近似算法、索引结构。做过算法竞赛或者有数据结构底子的人上手会比较快。纯做机器学习、没碰过图算法的人，需要先补图论基础。
申请材料要点
CV 里如果有图算法、数据库系统、大规模数据处理的项目经历，一定要写清楚：处理了什么规模的图、用了什么算法、最后跑出来什么结果。邮件第一段别泛泛写"对数据库感兴趣"，直接写你读过他哪篇论文、你之前做过的项目和他的哪个问题能接上。
没有图算法经历但有数据库系统开发经验的人，也可以试。关键是邮件里要说清楚你具体做过什么、会什么工具、能接什么问题。
Research Proposal 创新点
主方向：可以从"动态图上的社区搜索"切入。现有工作大多假设图是静态的，但真实社交网络和知识图谱的边在不断变化。题目可以缩到：在时序社交网络中，如何维护一个高效的索引结构，支持实时社区查询。对象是 Twitter/微博的交互图，数据用公开的 SNAP 数据集，方法结合增量算法和图压缩技术。
副方向：图数据库和 GNN 的结合。他目前的论文以传统算法为主，但 GNN 做子图匹配近两年势头很猛。可以问他对这个交叉点怎么看。
避坑提醒：不要写"图神经网络在社交网络中的应用"这种大题目。他的风格是算法驱动、理论先行，RP 如果只有应用场景没有算法创新点，大概率会被认为不够深。
奖学金和学费
浸会 PhD 标准资助方案（学校层面）：学费全免 + 每月 18,500 港币生活补贴，资助期通常 4 年。另外可以申请香港政府的 HKPFS（Hong Kong PhD Fellowship Scheme），获批后月津贴升至约 28,100 港币，还有额外旅行津贴。
导师层面：黄鑫的 RGC GRF 和 NSFC 项目都在执行期，理论上有经费支持学生。但具体名额和资助方式，以邮件确认为准。
有图算法基础、能写清楚自己做过什么具体问题的人，这个组值得认真准备。只是泛泛对"大数据"感兴趣的人，先把 CV 里的项目经历写具体再说。
