计算机学院研究生在SCI一区期刊上发表学术论文

近日，我院2021级研究生郑顺以第一作者身份在国际Top期刊Information Sciences（IF=6.001，中国科学院SCI期刊分区1区）上发表题名为“When feature encoder meets diffusion model for sequential recommendations”（DOI：https://doi.org/10.1016/j.ins.2025.121903）的高水平学术论文。该项研究由我院王绍卿副教授担任通信作者，山东理工大学计算机科学与技术学院为第一单位。

现有方法依赖于固定的向量或分布来表示物品。虽然这些方法有效，但存在两个局限性。一是用户对物品的偏好可能来自多个方面。固定的向量表示无法捕捉到物品的多面特征以及用户的全新意图。二是传统的分布表示在建模过程中的约束导致了某些灵活性的丧失。为了解决这些局限性，文章提出了用于序列推荐的混合表示模型，该模型同时使用固定向量和分布表示来模拟交互序列中的特征。具体来说，使用扩散技术通过逐渐添加噪声来引入分布向量，这可以弥补固定向量的不足。此外，去除了传统扩散技术的约束，使得分布向量表示能更灵活地捕捉到物品的细粒度特征。最后，利用固定向量和分布向量的组合来形成物品嵌入，其中分布向量是弥补固定向量无法捕捉更细粒度用户偏好的手段。在三个公开数据集上的实验表明，所提出的模型显著优于强基线。