项目方向门槛
理工大学（The Hong Kong Polytechnic University）电子计算学系的Xiao Huang组，2024年发了25篇论文，2025年到现在已经13篇以上。这个发表节奏在港校AP里算非常快的。但速度快不代表所有人都适合：图数据挖掘和时序分析方向，需要扎实的编程能力和机器学习基础。
研究背景与课题组
Xiao Huang，理工大学电子计算学系助理教授。上海交通大学本科，IIT硕士，德克萨斯A&M大学博士。从学术产出来看，她/他在KDD、WWW、AAAI等数据挖掘/AI顶会和IEEE TKDE等顶刊上都有稳定发表。课题组的发表量在同级别AP中属于头部水平。
研究重心
从论文方向来看，核心是图数据挖掘和图神经网络。近两年的工作开始往时序异常检测和知识图谱方向扩展。大语言模型时代，这个组也在探索LLM与结构化数据的结合。
对申请者来说，核心问题是：你有没有自己跑过GNN的完整pipeline？不是说理解原理就行，是从数据预处理到模型训练到结果分析，你能不能独立完成？这个组的产出速度快，说明内部节奏紧凑，学生需要有比较强的工程能力。
代表论文
图数据挖掘与时序分析系列论文
KDD, WWW, AAAI, IEEE TKDE 等顶会/顶刊 (2023-2025)
具体论文可在Google Scholar上搜索"Xiao Huang PolyU"查看完整列表。重点关注通讯作者论文，这些更能反映导师当前的研究重心。
申请准备与文书材料
CV里至少要有一段独立完成的机器学习或数据挖掘项目经历，最好是跑过图神经网络或者做过时序数据分析的。只有课程作业没有独立项目的人，建议先做一个小规模的复现实验再申请。
套磁邮件的第一段：先写你做过什么具体的数据挖掘/ML项目（对象是什么数据、用了什么模型、结果怎样），再写你对她/他组里哪个方向感兴趣，最后写你想做什么题目。邮件不要太长，控制在一页以内。
研究计划
RP可以考虑两个方向：一是时序图网络中的异常检测——对象明确（金融交易图/社交网络），方法有GNN+temporal模型的现有框架可以迭代；二是知识图谱增强的大语言模型推理——这是当前热点，但需要注意题目不要太大，收到一个具体的应用场景上。
避坑方向："图神经网络综述"或"大语言模型在XX领域的应用展望"——这种题目太虚，导师一看就知道你没有具体的研究问题。
博士未来就业与资助
理工大学的标准博士助学金为每月约HK$19,135（2025/26学年起），确认candidacy后可能有微调。HKPFS获得者月薪HK$28,400，另有旅行津贴。学费约HK$47,000/年。
图数据挖掘方向的博士毕业后去向通常分两条：业界去互联网/金融科技公司做推荐系统、风控或知识图谱相关的研发，学术界继续做博后或去中小学校拿教职。在当前AI行业招聘节奏下，有顶会论文的PhD找工作不难，但薪资差异大，取决于论文质量和方向热度。
