【產(chǎn)通社，5月25日訊】上海交通大學（Shanghai Jiao Tong University, SJTU）官網(wǎng)消息，數(shù)據(jù)庫領域三大頂會之一的ICDE 2023（IEEE International Conference on Data Engineering，CCF-A類會議）近日在美國加利福尼亞州阿納海姆市召開，其電子信息與電氣工程學院計算機系數(shù)據(jù)驅動軟件技術實驗室成員憑借多興趣序列推薦的增量學習研究獲得了本次大會唯一的最佳論文獎。

獲獎的論文題目為“Incremental Learning for Multi-Interest Sequential Recommendation”（面向多興趣序列推薦的增量學習），該論文提出了一套面向多興趣序列推薦模型的增量學習框架，既能保留從歷史交互序列中挖掘的用戶既有興趣，也能從新增交互序列中檢測用戶的新興趣，實現(xiàn)對用戶興趣的自適應更新和動態(tài)擴展，在多興趣序列推薦任務中取得了先進的性能。

多興趣序列推薦（MSR，Multi-interest Sequential Recommendation）通過分析用戶與物品的交互序列，挖掘用戶的多個潛在興趣，并利用用戶的多個興趣進行物品推薦。該技術憑借其優(yōu)秀的推薦性能獲得了學界和業(yè)界的廣泛關注。實際的推薦系統(tǒng)會不斷采集用戶最新的交互序列，在這個過程中用戶的既有興趣可能會發(fā)生偏移，同時也會有新的興趣產(chǎn)生，如何利用最新的交互數(shù)據(jù)去更新多興趣序列推薦模型是重要的研究課題。目前廣泛采用的模型更新方法主要包括完全再訓練和增量學習兩類。前者可以捕獲用戶歷史交互序列中包含的所有興趣，但會產(chǎn)生高昂的訓練成本。后者僅利用增量數(shù)據(jù)對模型進行微調(diào)，盡管訓練時間和內(nèi)存代價較小，但容易遺忘歷史交互數(shù)據(jù)中出現(xiàn)的既有興趣，也無法動態(tài)擴展模型以刻畫用戶的新興趣，效果具有局限性。為此，需要提出一種面向多興趣序列推薦系統(tǒng)的增量學習框架，兼具保留用戶既有興趣和動態(tài)捕捉用戶新興趣的能力。

本論文提出了一種面向多興趣序列推薦模型的增量學習框架IMSR，既能對用戶的既有興趣進行適當微調(diào)，也能動態(tài)擴展模型以刻畫用戶的新興趣。IMSR框架包含三個重要組件：既有興趣保留器、新興趣檢測器、興趣修剪器。既有興趣保留器旨在確保既有興趣的表征在模型增量學習的過程中不會遠離其原始位置。論文采用知識蒸餾的思想，根據(jù)既有興趣和新交互序列計算蒸餾損失函數(shù)，以此制約既有興趣的改變。新興趣檢測器負責根據(jù)最新交互的物品與既有興趣的相關性來判斷用戶是否產(chǎn)生了新興趣，并在新興趣被檢測出來后，及時對模型進行擴展以捕捉新興趣。興趣修剪器則采用興趣表征空間投影的方式修剪瑣碎的新興趣，刪除冗余興趣，最終確定新興趣的數(shù)量。通過上述組件，IMSR不僅保留了用戶的既有興趣，還能動態(tài)自適應地為每個用戶創(chuàng)建從新交互序列演變而來的新興趣。在多個多興趣序列推薦數(shù)據(jù)集上的實驗結果表明相較于目前先進的增量學習方法，IMSR訓練得到的模型取得了更優(yōu)的推薦性能。

論文的第一作者王智愷為上海交通大學電子信息與電氣工程學院計算機科學與工程系四年級博士生，主要研究方向為面向推薦系統(tǒng)的動態(tài)自適應學習。目前在IJCAI、ICDE等國際頂級會議上發(fā)表了若干篇學術論文。本科畢業(yè)于上海交通大學，曾獲聲申獎學金。

論文的通訊作者沈艷艷為上海交通大學電子信息與電氣工程學院計算機科學與工程系長聘副教授。主要研究領域包括大數(shù)據(jù)分析與處理、機器學習、數(shù)據(jù)挖掘等。目前發(fā)表領域內(nèi)高水平學術論文90余篇，曾獲VLDB 2022最佳研究論文獎、DASFAA 2020最佳論文提名獎、APWeb-WAIM 2018最佳學生論文獎。擔任數(shù)據(jù)庫領域國際頂級期刊TKDE副主編、頂會VLDB 2023-2024副主編。

IEEE International Conference on Data Engineering （ICDE）是電氣與電子工程師協(xié)會（IEEE）舉辦的旗艦會議，與SIGMOD、VLDB并稱數(shù)據(jù)庫領域三大國際頂級學術會議，入選為中國計算機學會推薦的A類國際學術會議，在國際上享有盛譽并具有廣泛的學術影響力。查詢進一步信息，請訪問官方網(wǎng)站http://news.sjtu.edu.cn/jdyw/20230517/182979.html，以及http://cloudcatcher888.github.io/files/icde.pdf。（張怡，產(chǎn)通發(fā)布）     （完）