孙福振老师团队在人工智能领域权威期刊《Knowledge-Based Systems》发表论文

 近日，计算机科学与技术学院孙福振老师团队在人工智能领域顶级期刊《Knowledge-Based Systems》上发表论文《Adaptive In-Context Expert Network with Hierarchical Data Augmentation for Sequential Recommendation》。该论文的第一作者为我院2022级硕士研究生孙秀娟，通讯作者为孙福振副教授，山东理工大学计算机科学与技术学院为第一单位。

《Knowledge-Based Systems》（KBS）是计算机科学领域具有重要学术影响力的国际期刊，被收录于中科院SCI一区。同时在Journal Citation Reports（JCR）中保持Q1区排名。作为人工智能与知识系统研究领域的权威出版物，该刊在知识表示与推理、智能决策系统等研究方向具有显著的学术影响力。

 此研究工作提出了一种新的多任务序列推荐框架——自适应上下文专家网络序列推荐。旨在解决现有推荐系统在数据稀疏、交互噪声及冷启动等复杂场景下的性能瓶颈。该模型通过层次化数据增强在浅层与潜在空间同时生成多样化序列视图，有效缓解数据稀疏和噪声干扰；引入自适应上下文专家网络，实现对用户行为中关键特征的动态捕捉；并结合模仿学习，利用热门物品信息提升冷门物品的表示能力，从而缓解推荐中的长尾问题。实验结果显示，该方法在命中率（HR）和归一化折损累计增益（NDCG）方面，较当前最先进的序列推荐模型分别提升了 12.03% 和 8.47%。