中国农业大学信电学院巩雯雯副教授在智能推荐算法领域取得新进展

近日，我校信息与电气工程学院引进优秀人才巩雯雯副教授最新研究成果“DivGCL:A Graph Contrastive Learning Model for Diverse Recommendation”在人工智能领域CCF-A类学术会议AAAI 2025（AAAI Conference on Artificial Intelligence）上正式发表。

如何平衡推荐的准确性和多样性是智能推荐领域极具挑战的难题。为此，研究团队提出了一种全新的用于多样化推荐的图对比学习模型DivGCL，通过在四个公共数据集上的大量实验表明，该方法在平衡准确性与多样性方面显示出明显的优势。该成果可以与农业领域的大模型集成，有助于极大地提高知识检索的整体性能和有效性。

论文所提出DivGCL模型的整体架构图

所提出的图对比学习模型DivGCL主要包括两个部分，一方面，通过引入高斯噪声对比增强视图与原始图像，改进InfoNCE目标，学习更具信息性和分布均匀的节点表征；另一方面，受行列式点过程（DPP）启发，研究团队设计了一种新颖的基于DPP似然的损失函数，通过联合优化改进的InfoNCE，实现了推荐准确性和多样性之间的理想平衡。同时，在四个广泛使用的公开数据集（MovieLens-1M、Beauty、AMiner和 Yelp2018）上进行了全面实验，涵盖电影、商品、科研资源和商业等不同领域，显示了DivGCL 在平衡准确性和多样性方面能够取得最先进（SoTA）的效果。

该研究工作的第一完成单位为中国农业大学，合作单位包括中国石油大学和清华大学等。我校信息与电气工程学院巩雯雯副教授为论文的第一作者，中国石油大学齐连永教授为论文的通讯作者，共同作者包括清华大学博士研究生张丹等。该研究工作得到国家自然科学基金课题（No. 62372242）、山东省自然科学基金（No. ZR2023MF007）和新技术软件国家重点实验室开放课题（No. KFKT2024B50）的资助。