张得天，男，博士，苏州大学副教授，硕士生导师。2014年先后获得中国科学技术大学和香港城市大学计算机专业博士学位。曾先后在香港城市大学、香港城市大学深圳研究院和江南大学担任过研究助理、副研究员和讲师等职位。主要研究兴趣包括大模型、检索增强生成（RAG）、图神经网络及应用、时空数据分析等。主持国家自然科学基金1项，中央高校项目1项，参与国家级项目4项。先后发表了多篇CCF A/B类期刊和会议论文，并（曾）担任包括TKDE、IJCAI、AAAI、SIGKDD、WSDM和计算机学报等在内的多个国内外知名期刊和会议的审稿人或PC member。Email: detian@suda.edu.cn 。
大模型应用
检索增强生成（RAG）
图神经网络及应用
时空数据分析
知识图谱
大数据
2026年拟招收3-5名硕士研究生，涉及如下方向，欢迎感兴趣同学联系：detian@suda.edu.cn
（1）检索增强生成（RAG）：检索增强生成是一种将外部知识检索与大模型相结合的前沿技术。它通过先从外部知识库或数据库中检索出与用户输入相关的信息，再将这些内容作为上下文输入到大模型中，从而生成更有依据和时效性的答案。该技术克服了传统大模型知识封闭、易编造事实的问题，广泛应用于问答系统、智能客服、搜索引擎增强等场景，特别适合需要实时查找和引用外部知识的任务。本小组研究涉及基于RAG的系统设计与开发，RAG和知识图谱的结合等。
（2）图神经网络及应用：图神经网络是一类专门用于处理图结构数据的深度学习模型，能够有效捕捉节点之间的拓扑关系和特征依赖。其通过“信息传递”机制，在图中聚合邻居节点的信息，从而学习节点、边或整个图的表示。广泛应用于交通预测、知识图谱、社交网络分析、推荐系统、药物发现、金融风控等领域。本小组研究涉及超图神经网络、知识图谱推理和交通流预测等。
（3）时空数据分析：时空数据分析是对同时具有时间和空间属性的数据进行建模、处理和分析的一种方法，旨在揭示数据随时间和空间变化的内在规律。广泛应用于交通管理、物流调度、智慧城市、环境监测、公共安全等领域。本小组研究涉及路径规划、交通流预测、k-NN、空间众包、网约车服务和POI推荐等领域。
本小组支持实习，支持基于个人兴趣选择研究方向，支持研究与工程相结合，踏实、努力、认真学习的同学发展都不错，下面是部分已毕业同学成果及去向：
23级：
张成强：ICML（CCF-A）；淘宝（上海）；
刘俊威：DASFAA（CCF-B），WISE（CCF-B）；腾讯（深圳）；
22级：
石明聪：EMNLP（CCF-B）；收钱吧（上海）；
21级：
周云军：IEEE Trans. on Consumer Electronics（SCI 二区）；公务员（佛山）；
刘海洋：ADMA（CCF-C），IEEE Transactions on Artificial Intelligence；中国建筑（济南）；
骆训练：ECAI（CCF-B），WWW Journal （CCF-B）；交通银行（武汉）；
20级：
金伦：ICWS（CCF-B）；芯原微电子（上海）；
唐宏伟：WSDM（CCF-B），IEEE TITS（CCF-B）；中国农业银行（苏州）；
夏天宇：山石网科（苏州）；
张成龙：华为（杭州）；
19级：
万姝含：2×WISE（CCF-B），ADMA（CCF-C）；国信证券（上海）；
张得天，男，博士，苏州大学副教授，硕士生导师。2014年先后获得中国科学技术大学和香港城市大学计算机专业博士学位。曾先后在香港城市大学、香港城市大学深圳研究院和江南大学担任过研究助理、副研究员和讲师等职位。主要研究兴趣包括大模型、检索增强生成（RAG）、图神经网络及应用、时空数据分析等。主持国家自然科学基金1项，中央高校项目1项，参与国家级项目4项。先后发表了多篇CCF A/B类期刊和会议论文，并（曾）担任包括TKDE、IJCAI、AAAI、SIGKDD、WSDM和计算机学报等在内的多个国内外知名期刊和会议的审稿人或PC member。Email: detian@suda.edu.cn 。
大模型应用
检索增强生成（RAG）
图神经网络及应用
时空数据分析
知识图谱
大数据
2026年拟招收3-5名硕士研究生，涉及如下方向，欢迎感兴趣同学联系：detian@suda.edu.cn
（1）检索增强生成（RAG）：检索增强生成是一种将外部知识检索与大模型相结合的前沿技术。它通过先从外部知识库或数据库中检索出与用户输入相关的信息，再将这些内容作为上下文输入到大模型中，从而生成更有依据和时效性的答案。该技术克服了传统大模型知识封闭、易编造事实的问题，广泛应用于问答系统、智能客服、搜索引擎增强等场景，特别适合需要实时查找和引用外部知识的任务。本小组研究涉及基于RAG的系统设计与开发，RAG和知识图谱的结合等。
（2）图神经网络及应用：图神经网络是一类专门用于处理图结构数据的深度学习模型，能够有效捕捉节点之间的拓扑关系和特征依赖。其通过“信息传递”机制，在图中聚合邻居节点的信息，从而学习节点、边或整个图的表示。广泛应用于交通预测、知识图谱、社交网络分析、推荐系统、药物发现、金融风控等领域。本小组研究涉及超图神经网络、知识图谱推理和交通流预测等。
（3）时空数据分析：时空数据分析是对同时具有时间和空间属性的数据进行建模、处理和分析的一种方法，旨在揭示数据随时间和空间变化的内在规律。广泛应用于交通管理、物流调度、智慧城市、环境监测、公共安全等领域。本小组研究涉及路径规划、交通流预测、k-NN、空间众包、网约车服务和POI推荐等领域。
本小组支持实习，支持基于个人兴趣选择研究方向，支持研究与工程相结合，踏实、努力、认真学习的同学发展都不错，下面是部分已毕业同学成果及去向：
23级：
张成强：ICML（CCF-A）；淘宝（上海）；
刘俊威：DASFAA（CCF-B），WISE（CCF-B）；腾讯（深圳）；
22级：
石明聪：EMNLP（CCF-B）；收钱吧（上海）；
21级：
周云军：IEEE Trans. on Consumer Electronics（SCI 二区）；公务员（佛山）；
刘海洋：ADMA（CCF-C），IEEE Transactions on Artificial Intelligence；中国建筑（济南）；
骆训练：ECAI（CCF-B），WWW Journal （CCF-B）；交通银行（武汉）；
20级：
金伦：ICWS（CCF-B）；芯原微电子（上海）；
唐宏伟：WSDM（CCF-B），IEEE TITS（CCF-B）；中国农业银行（苏州）；
夏天宇：山石网科（苏州）；
张成龙：华为（杭州）；
19级：
万姝含：2×WISE（CCF-B），ADMA（CCF-C）；国信证券（上海）；