学术交流

热烈祝贺山东大学信息检索实验室师生论文被WWW2023接收

2023年4月19日

近日，山东大学计算机科学与技术学院信息检索实验室师生撰写的 1 篇论文被 WWW2023 录用。

The Web Conference（简称WWW）是CCF-A类的国际性学术会议，旨在促进Web技术和互联网研究领域的交流和发展。WWW 2023将于今年4月30日到5月4日在美国奥斯汀召开。

录用的文章如下：

标题：A Self-Correcting Sequential Recommender
作者：林于杰，王辰阳，陈竹敏，任昭春，辛鑫，颜强，Maarten de Rijke，成秀珍，任鹏杰
简介：序列推荐旨在从用户的历史交互中捕获其偏好，以预测他们将与哪个物品进行交互。序列推荐方法通常假设用户历史交互中的所有物品都反映了他们的偏好和物品之间的转移模式。然而，真实世界的交互数据是存在缺陷的，即（1）用户可能会误点击物品，即所谓的误点击无关物品，以及（2）用户可能会错过物品，即错过由于不准确的推荐而未曝光的相关物品。为了解决上述两个问题，我们提出了一种自我校正的序列推荐模型STEAM。STEAM首先通过调整误点击或错过的物品来校正输入的物品序列，然后使用校正后的物品序列来训练推荐模型并进行下一个物品的预测。我们设计了一个物品级校正器，可以自适应地为序列中的每个物品选择一种操作类型，包括保留、删除和插入。为了在不需要额外标记的情况下训练物品级校正器，我们设计了两种自监督学习机制：（1）删除校正（即删除随机插入的物品），和（2）插入校正（即预测随机删除的物品）。我们通过共享编码器和联合训练来将校正器与推荐模型集成在一起。我们在三个真实数据集上进行了广泛的实验，实验结果表明STEAM优于现有的序列推荐基线模型。我们的深入分析证实STEAM从学习如何纠正原始物品序列中受益。