【身边钱院人】万和润：道阻且艰，奋力耕耘

万和润，电信学部计算机科学与技术学院，钱学森书院，计试81班学生，曾获优秀学生、优秀班干部、校级奖学金、杰善奖学金等称号与奖励。获得ICPC与CCPC竞赛区域赛银牌、省赛金牌、CCPC final 铜牌等程序设计竞赛成绩，高校团体天梯赛个人一等奖、大学生创新与创业优秀评级。

在过去一学年的学习中，我代表学校的程序设计竞赛校队，参加了许多国际、国家级的竞赛，获得了许多奖项，最高获得了金奖级别的成绩。同时，也代表学校参加了团体程序设计天梯赛，获得了个人一等奖的成绩。也参加了CCF举行的第22次CSP认证，获得了370分(全国排名前1.03%)。

同时，在上学年中，我还参加了大学生创新训练项目，项目是社交平台机器人账户检测，目的是检测那些散布虚假信息、危害社交网络环境的机器人。最终，我们团队实现一个能够实时收集微博平台用户公开信息，并且判别其是否为机器人账户的程序。该项目获得了优秀评级。

在此基础上，我们团队把重心转移到了境外的社交平台Twitter上，经过调查研究后发现现有的机器人账户检测的模型存在两个问题——泛化性和适应性。为了解决这个问题，需要一个更加完整的数据集以及完善的收集方案。所以，我们提出了一种基于BFS的数据收集方案，通过Twitter API，实现了自动收集以一特定用户为中心，收集该用户公开的、多模态的数据的程序。最终，收集到了含有大约22万条用户多模态信息的数据，是目前规模最大，信息最丰富的数据集，TwiBot-20。该成果已经被CIKM2021接收，并且开源了数据集，目前已有50多位国际学者使用该数据集进行研究。并且已被知名机器人数据集收集平台Bot Repository收录。

为了解决在新数据集上更加突出的两个问题，我们提出了一个基于自监督用户表示学习的模型SATAR，该模型通过自监督、运用多模态信息，综合考虑了语义、属性以及邻居的信息，并且提出共影响力的结构将这些信息聚合起来，达到了目前最好结果，该成果被CIKM2021接收。为了进一步探索图结构的作用，我们提出了使用异质关系网络模型RGCN，通过异质图卷积网络，让模型能够理解图结构的不同，该成果被ASONAM2021接收。暑假期间，我参加了NUS的暑期项目，进一步探讨了对比学习在社交机器人检测中的应用，该项目获得了亚军，我个人则获得了A评级。

在提升自己的能力同时，我也没有忘记为学校做出一定的贡献，我加入了LUD Lab，为想要科研的学弟学妹提供了一个平台与经验。并且，也作为代表参加了基础学科拔尖学生培养计划2.0优秀学生学术交流会，还作为计算机基地代表进行汇报。在交流过程中，我认识了很多优秀的同学，知道了他们在做什么，是怎么做的，让我受益匪浅。科研道阻且艰，但奋力耕耘方可成就梦想。