【科教在线】第91期：我校计算机与信息安全学院宾辰忠教授课题组研究成果被国际顶级学术会议录用（图）

【编者按】为持续营造校园学术氛围，传播我校学术科研动态，学校官网特开设“科教在线”专栏，定期展示师生科研成果。欢迎广大师生踊跃投稿，征集内容包括但不限于：为政府、企业、媒体提供的专业咨询，通过鉴定的科技成果，实现落地转化的科技成果，高水平学术论文，专利授权，出版的专著、教材，科技奖励等。我们致力为有学术追求的师生搭建交流平台，共同营造日益浓厚的学术氛围，携手为实现电子信息特色鲜明的高水平应用型大学而奋斗。投稿请通过学校OA系统经所在单位“三审三校”、融媒体中心审核后发布。

近日，我校计算机与信息安全学院宾辰忠教授课题组研究成果“Beyond Instance-Level Alignment and Uniformity: Semantic Factor Learning for Collaborative Filtering”被第32届知识发现与数据挖掘国际会议（32nd ACM SIGKDD Conference on Knowledge Discovery and Data Mining，KDD 2026）录用为Research Track长文（录用率18%）。该会议入选中国计算机学会（CCF）推荐的 A 类国际学术会议，在国际数据科学与数据挖掘领域享有盛誉并具有广泛的学术影响力，是数据挖掘、知识发现、数据科学与人工智能领域最具影响力的国际顶级学术会议之一。论文第一作者为计算机与信息安全学院2024级硕士研究生余雅洁，宾辰忠教授为论文通讯作者，合作者包括徐周波教授、曾志新博士等，合作单位包括美国约翰霍普金斯大学。该论文是学院作为第一作者单位在SIGKDD录用的首篇论文。

针对目前协同过滤算法（Collaborative Filtering, CF）对高阶交互语义建模不足，进而导致模型在稀疏监督信号下泛化性能弱的问题，论文提出了一种新的语义增强框架 SaFeAU（Semantic Factor enhanced Alignment and Uniformity）。该框架通过引入语义因子增强潜在交互实例样本，以缓解监督信号稀疏性，并使矩阵分解方法无需依赖图邻域聚合即可捕获高阶协同过滤信号。具体而言，SaFeAU 首先利用语义因子路由模块将物品表示解耦为独立的全局语义因子；随后，语义因子匹配模块基于语义因子识别与已交互物品共享相同语义的未交互物品，并将其作为潜在正样本对，以增强稀疏监督信号；最后，样本对齐模块同时对齐真实正样本对与潜在正样本对，并促进用户与物品表示的均匀性。在多个稀疏数据集上的实验结果表明，SaFeAU 在推荐准确率与计算效率方面均优于现有基于图卷积网络和矩阵分解的协同过滤方法，验证了所提出语义增强学习范式的有效性。