我院宋文卓老师在WWW 2023发表论文“A Counterfactual Collaborative Session-based Recommender System”。该工作设计了一种基于因果推理的协同过滤会话推荐框架，缓解了数据驱动的深度学习推荐算法容易错误学习到数据中混杂因子导致的虚假关联问题，显著提升了会话推荐场景下物品推荐的性能。

会议简介：自 1989 年万维网发明以来，国际万维网大会（International World Wide Web Conference，简称 WWW）每年举行一次，是以万维网的未来发展方向为主题的国际学术会议，也是中国计算机学会（CCF）推荐的A类国际学术会议。该会议一直是展示和讨论万维网相关主题的研究、开发、标准和应用进展的主要场所。在过去的三十年中，网络会议一直是一些最基本的网络技术得以问世的论坛。会议汇集了学者、研究人员、政策制定者、从业人员和最终用户，他们的共同目标是：展望和创造网络的未来。

会议名称：International World Wide Web Conference（WWW-23）

会议类别：中国计算机学会推荐A类会议

作者顺序：宋文卓，Shoujin Wang，Yan Wang，Kunpeng Liu，Xueyan Liu，殷明浩

论文题目：A Counterfactual Collaborative Session-based Recommender System

论文概述：现有基于会话的推荐系统（SBRS）都侧重于从用户当前会话中观察到的项目中提取信息来预测下一个项目，而忽略了会话之外影响用户选择项目的原因（称为外部会话原因，OSCs）。然而，这些原因广泛存在于现实世界中，很少有研究调查它们在 SBRS 中的作用。在本工作中，我们从因果推理的角度分析了 SBRS 中 OSCs 的因果关系和相关关系。我们发现，OSCs 本质上是 SBRS 中的混杂因素，这会导致用于训练 SBRS 模型的数据中出现虚假相关性。为了解决这个问题，我们提出了一种名为 COCO-SBRS（COunterfactual COllaborative Session-Based Recommender Systems，基于会话的事实推荐系统）的新型 SBRS 框架，用于学习 SBRS 中 OSC 与用户－项目交互之间的因果关系。我们在真实世界数据集上进行了大量实验，实验结果证明了 COCO-SBRS 的优越性。