51吃瓜官网,51吃瓜官网全网最新|51吃瓜官网下载_51吃瓜黑料字幕

近日，數(shù)據(jù)科學(xué)學(xué)院杜軍威教授團隊在知識工程領(lǐng)域取得了新進展。其研究成果以“Intent Propagation Contrastive CollaborativeFiltering”為題發(fā)表在IEEE Transactions on Knowledge and Data Engineering(TKDE)。TKDE是IEEE旗下專注知識發(fā)現(xiàn)和數(shù)據(jù)挖掘的頂級期刊,入選中國計算機學(xué)會（CCF）推薦的A類國際期刊和中科院一區(qū)TOP期刊。

協(xié)同過濾中使用的解耦技術(shù)能夠揭示節(jié)點間的交互意圖，從而提升節(jié)點表征的可解釋性并增強推薦性能。然而現(xiàn)有解耦方法仍面臨兩個關(guān)鍵問題：（1）這類方法聚焦于從直接節(jié)點交互中提取的局部結(jié)構(gòu)特征，忽視了整體圖結(jié)構(gòu)信息，導(dǎo)致解耦精度受限；（2）解耦過程依賴于推薦任務(wù)的反向傳播信號，缺乏直接監(jiān)督機制，可能引發(fā)偏差和過擬合。為解決這些問題，我們提出意圖傳播對比協(xié)同過濾算法（IPCCF）。具體而言，我們設(shè)計了雙螺旋消息傳播框架以更高效地提取節(jié)點深層語義信息，從而增強模型對節(jié)點間交互的理解；同時開發(fā)了融合圖結(jié)構(gòu)信息的意圖消息傳播方法，擴展了解耦過程的考量范圍。此外，采用對比學(xué)習(xí)技術(shù)對齊從結(jié)構(gòu)和意圖衍生的節(jié)點表征，為解耦過程提供直接監(jiān)督，既有效緩解偏差又增強了模型對過擬合的魯棒性。在三個真實數(shù)據(jù)圖上的實驗驗證了所提方法的優(yōu)越性。

該篇論文第一作者為學(xué)校博士研究生李浩杰、通訊作者為杜軍威教授和麥考瑞大學(xué)的劉冠峰教授,本研究得到國家自然科學(xué)基金、山東省自然科學(xué)基金以及中國國家留學(xué)基金管理委員會等多方資助。

HaojieLi, JunweiDu^*, GuanfengLiu^*, FengJiang, YanWang and XiaofangZhou, Intent Propagation Contrastive Collaborative Filtering, IEEE Transactions on Knowledge and Data Engineering, doi: 10.1109/TKDE.2025.3543241