裘鸿波，统计与数据科学学院博士一年级研究生，主要研究方向为复杂网络分析与图数据挖掘，长期致力于图结构数据建模与算法设计研究，重点关注网络稳定性分析以及关键节点与关键边的识别问题。相关研究成果以第一作者身份发表于 CCFA 类国际顶级学术会议 ICDE 和 WWW，并受邀在 ICDE 国际会议作学术报告，充分展现了其扎实的理论基础与突出的科研潜力。

早期研究中，裘鸿波意识到，现实世界中的许多系统——如社交网络、信息传播网络、基础设施网络——并非随机结构，而是由少量关键节点或关键关系主导整体行为。如何识别这些“关键结构”，成为他持续思考的问题。

在系统梳理相关研究后，他将目光投向复杂网络中的关键节点识别问题。传统研究多基于度数等局部指标，但这些方法往往难以准确刻画节点在整体结构中的真实作用。围绕这一不足，他在硕士阶段开展了更为系统的探索，并首先在WWW会议发表了题为《Critical Nodes Detection: Node Merging Approach》的研究成果。该工作创新性地提出了“节点合并”这一分析视角，即通过模拟节点合并后的结构变化，来刻画节点对网络整体结构稳定性的影响。研究过程中，他需要在理论建模与算法可行性之间不断权衡：一方面要保证模型具有严格的定义，另一方面又必须控制计算复杂度，确保算法能够在真实大规模网络上运行。为此，他反复推导模型性质，设计高效剪枝策略，并在多组真实网络数据上进行了系统验证。该成果最终发表于CCF A类会议WWW，并获得审稿人对其创新性和方法完整性的积极评价。