学位论文简介
推荐系统一直是信息检索与数据挖掘领域的重要研究方向之一。有效的推荐不仅能够帮助用户缓解信息过载问题，还能够为商家和平台优化资源配置，从而提升经济收益。本文分别以交互行为和用户需求为建模对象，系统地开展面向准确性与多样性的多目标推荐方法研究，主要研究内容与贡献如下：
针对交互行为数据的规模性挑战，本文提出了一种基于子图传播的交互行为建模方法。为缓解子图稀疏性问题，该方法进一步引入对比学习技术，在基于单源和单宿节点估计的双视图之间提升用户与物品表征的一致性。
针对交互行为建模中忽略显式因子的问题，本文提出了一种基于显式加权的交互行为建模框架，并针对时间特征和流行度特征给出了具体的实现方案。该方法通过兴趣遗忘曲线对时间特征进行建模，并采用 Beta 分布对流行度相关特征进行建模。
针对主流的推荐多样性度量方法，本文进行了深入分析与探讨，指出现有指标存在两个主要局限性，并进一步提出了三种准确性感知的折损多样性度量指标。
针对推荐系统中多样性与准确性难以平衡的问题，本文提出了一种用户状态感知的多样性推荐方法，具体包括用户状态感知的多偏好预测模块和重排序模块，分别用于捕捉用户的不同行为模式以及进一步平衡推荐结果的准确性与多样性。
主要学术成果
Xueqi Li, Guoqing Xiao, Yuedan Chen, Kenli Li, and Gao Cong. Accurate and scalable graph convolutional networks for recommendation based on subgraph propagation [J]. IEEE Transactions on Knowledge and Data Engineering, vol. 36, no. 12, pp. 7556-7568, Dec. 2024. (CCF A类, SCI 2区, 第一作者)
Xueqi Li, Gao Cong, Guoqing Xiao, Yang Xu, Wenjun Jiang, and Kenli Li. On evaluation metrics for diversity-enhanced recommendations. In Proceedings of the 33rd ACM International Conference on Information and Knowledge Management, pp. 1286-1295. 2024. (CCF B类, 第一作者)
Xueqi Li, Guoqing Xiao, Yuedan Chen, Zhuo Tang, Wenjun Jiang, and Kenli Li. 2023. An Explicitly Weighted GCN Aggregator based on Temporal and Popularity Features for Recommendation[J]. ACM Transactions on Recommender Systems, vol. 1, no. 2, pp.1-23. (ACM汇刊，第一作者)
肖国庆,李雪琪,陈玥丹,唐卓,姜文君 & 李肯立. 大规模图神经网络研究综述[J].计算机学报,2024,47(01):148-171. (CCF中文 A类, 导师一作)
