随着计算机信息化日益渗透到我们的生活中，计算机信息数据的产生速度与数据量也与日俱增，甚至用“海量”、“爆炸性增长”等都不足以描述数据量的增大。近些年来，互联网的研究趋势便是朝着能够处理海量数据的方向发展。并且，计算机信息化作为大数据的重要数据承载形式之一的数据流，越来越引发科研工作者以及企业的关注。作为我国计算机信息研究专家，李彦廷在IARIA学术会议第十届信息挖掘和管理进展国际会议(The Tenth International Conference on Advances in Information Mining and Management，简称IMMM 会议）演讲了“一种基于三角形的随机抽样图团体抽取算法”（A Randomized Sampling Algorithm based on Triangle for Community Extraction in Graphs）。

“一种基于三角形的随机抽样图团体抽取算法”属于一种新颖的随机抽样算法。在该学术会议上，李彦廷介绍道，抽样技术在从图中提取社区方面起着至关重要的作用。 他指出，大多数采样算法主要利用度分布或边的权重，然而，由于图的复杂结构和算法固有的噪声，它可能会导致大量的内存使用和计算时间消耗。于是，他提出了一种一种基于三角形的抽样算法，是计算机信息领域内新颖的随机抽样算法。

该方法结合了边缘采样和三角形计数的优点，提供了较高的群落提取精度。基于时间消耗、三角形数量、抽样比和群落密度四个指标，计算机系统能够对随机抽样算法的性能进行评价。通过与储层采样算法和图优先级采样算法的实验对比，改论文证明了该方法的优越性。针对现有缺乏对于海量数据流的三角形计数方法的缺陷，该会议论文解决了计算机信息的技术问题，提供了一种基于随机抽样的数据图流中的三角形计数方法及装置。这引起了计算机信息领域专家和学者的广泛关注，众多国内外有国外专家表示愿意合作开展深入研究。凭借这篇论文提供具有开创性的学术理论，该篇论文让李彦廷获得2020IMMM会议的杰出贡献奖，表示他作为信息处理专家团（Panels of Information Processing）一员卓越的学术贡献。

在2013年，李彦廷也代表中国计算机信息行业参加了IMMM会议。在该会议上，李彦廷演讲了“用于提取二分图中群落的桁架分解”（Truss Decomposition for Extracting Communities in Bipartite Graph）。李彦廷对全球计算机信息领域的深刻洞见和长年研究赋予了该篇会议论文的杰出性和卓越性，并为计算机信息行业提供具有重要突破的理论依据。因此，该篇论文被IARIA学会评委评为优秀论文。（文/李达）