南京大学PASA大数据实验室论文AdaMCL被国际信息检索顶级会议SIGIR 2023录用

近日，南京大学PASA大数据实验室在图对比学习推荐系统（Graph Contrastive Learning Recommendation System）方向的论文“AdaMCL: Adaptive Multi-View Fusion Contrastive Learning for Collaborative Filtering”被信息检索领域国际顶级会议 SIGIR 2023 长文录用，该论文是图对比学习与推荐系统两方面交叉融合的研究探索，研究提出了一种新型的对比学习框架用于图协同过滤任务。论文工作主要由PASA大数据实验室研究生陆旺完成，指导教师为朱光辉博士。

SIGIR 2023会议的全称是46th International ACM SIGIR Conference on Research and Development in Information Retrieval,（第46届ACM国际信息检索大会），将于2023年7月23日-7月27日在台湾台北召开。SIGIR是中国计算机学会CCF推荐的A类国际学术会议，也是人工智能领域智能信息检索方向最权威的国际会议。这次会议共收到822篇长文投稿，仅有165篇长文被录用，录用率约20.1%。

协同过滤作为推荐系统中最具代表性的任务之一，广泛用于推荐系统的召回阶段。近年来受图神经网络（Graph Neural Networks）的影响，图协同过滤逐渐成为该领域的一个热门研究范式。然而，由于推荐系统本身自带的数据稀疏性问题，往往导致推荐效果不佳。最近研究者发现基于对比学习的方法可以很好地缓解这一现象。在本文中，我们提出在对比学习中适当引入高阶邻居信息，并提出一种适合于图协同过滤领域的基于多视图融合的新型对比学习框架（Multi-View Fusion Contrastive Learning）进一步利用对比学习缓解推荐系统中的数据稀疏性问题。大量实验结果表明，与目前基于图对比学习的方法相比，本论文提出的方法AdaMCL能够取得更加优异的推荐效果，并且能够很好地缓解数据稀疏性问题。