为加强软件学院专任教师科研能力建设，推动教师间的学术互动与协作，进一步激发科研活力与创新思维，5月27日，软件与大数据技术系在软件园校区A3座116会议室顺利举办软件学院2026年度第七场科研学术讲座。

本期讲座中，韩希武老师围绕量化金融数据源比较研究，系统分享了量化金融领域各类数据源的核心特征、适配场景、优劣差异及实际选用方案。于翔老师则聚焦面向轨迹相似性搜索的索引方法研究，深入探讨轨迹相似性搜索的核心难点、索引结构设计思路、算法优化策略及相关实验验证与落地效果。两位老师的分享兼具扎实的理论深度与极强的实践指导性，融合前沿学术研究与工程应用经验，有效拓宽了团队的科研视野，为团队开展学术创新与技术研究筑牢了坚实基础。

韩希武老师首先选取同花顺iFind、Tushare、Databento、Wind、DataYes、淘宝数据、金数源七大主流量化金融数据源作为研究对象，围绕价格成本、数据质量、数据覆盖范围等八项核心评价指标，开展全面且细致的横向对比与综合评估。同时结合高校科研工作的场景特点与实际使用需求，分析各类数据源的适配性与现存问题。

随后，于翔老师讲解轨迹相似性搜索基础概念与KNN查询核心定义，系统梳理该领域完备的方法分类体系，将现有技术划分为精确搜索、近似搜索、轨迹表示学习与索引方法四大主流流派。深入剖析各类别经典研究成果，阐释不同算法的核心设计思路、运算原理、优劣特性与实际适用场景，全面对比各类方法的检索精度与运行效率。

本次学术讲座的成功举办，进一步深化了教师群体对量化金融多类主流数据源的特性差异、测评体系、选型逻辑与架构应用，以及轨迹相似性搜索场景下索引方法的设计思路、优化策略与技术落地的认知与理解，有效拓宽了团队在量化金融、时空数据检索等领域的科研学术视野，为教师科研能力与专业素养的迭代升级注入了强劲动力。

展望未来，学院将持续发力，推动高质量科研交流活动走向常态化、规范化，全力打造开放包容、互利共赢的优质学术生态。学院将促进不同研究方向的思想碰撞交融与跨领域深度协同，携手攻克科研实践中的数据选型、检索效率、算法优化等关键瓶颈与核心难题。学院坚信，通过持续深化学术对话、共探前沿创新理念，必将催生更多兼具突破性与创新性的科研成果，为学术高质量发展注入持久活力。