中国科学技术大学与华为诺亚方舟实验室联合研究成果荣获KDD2024最佳学生论文奖
在第30届ACM知识发现与数据挖掘大会（KDD2024）上，中国科学技术大学认知智能全国重点实验室与华为诺亚方舟实验室联合发表的论文“Dataset Regeneration for Sequential Recommendation”荣获最佳学生论文奖。该论文由陈恩红教授团队与华为诺亚方舟实验室共同完成，标志着我国在序列推荐系统领域取得了重要突破。
以数据为中心的序列推荐新范式：DR4SR
背景与动机
序列推荐系统（Sequential Recommender, SR）是现代推荐系统的重要组成部分，旨在捕捉用户不断变化的偏好。然而，传统的以模型为中心的范式往往忽视了数据中潜在的质量问题和缺陷。为此，研究团队提出了以数据为中心的序列推荐新范式——DR4SR（Dataset Regeneration for Sequential Recommendation）。
研究内容
数据集重生成
DR4SR的核心思想是学习一个显式包含物品转移模式的新数据集。研究团队将推荐系统的建模过程分为两个阶段：从原始数据集中提取转移模式，并基于学习用户偏好。为了实现这一目标，他们探索了开发一个显式表示中的物品转移模式的数据集的可能性。
预训练任务与多样性增强重生成器
为了构建预训练任务，研究团队首先通过基于规则的方法获取物品转移模式。然后，要求重生成器能够将原始数据集中的序列重生成对应的模式。在此基础上，他们采用Transformer模型作为重生成器的主要架构，并引入了一个多样性增强模块，以在重生成过程中建模序列和模式之间的一对多关系。
混合推理策略与模型感知的重生成
为了在探索与利用之间取得平衡，研究团队提出了一种混合推理策略。此外，他们还提出了DR4SR+，这是一个模型感知的重生成过程，根据目标模型的特性定制数据集。
研究成果与应用前景
陈恩红教授团队与华为诺亚方舟实验室的研究成果为序列推荐系统领域提供了新的思路和方法。DR4SR范式有望提高推荐系统的性能，为用户提供更加个性化的推荐服务。此外，这一成果也为其他数据挖掘和机器学习领域提供了借鉴意义。
结语
KDD2024最佳学生论文奖的获得，充分体现了我国在序列推荐系统领域的创新能力和学术影响力。未来，陈恩红教授团队与华为诺亚方舟实验室将继续携手，为人工智能领域的技术创新和发展贡献力量。
Views: 1