褚桂鑫同学在中国计算机学会推荐B类会议DASFAA2024上发表论文“Self-Augmented Contrastive Learning for Knowledge-aware Recommendation”。褚桂鑫是我院计算机技术专业2021级硕士研究生。

会议简介：DASFAA（The International Conference on Database Systems for Advanced Applications）是讨论数据库系统和高级应用的最新研究的主要国际论坛。DASFAA是一个成熟的国际会议系列，它为数据库研究人员、开发人员和来自学术界、商业和工业的用户提供了一个技术演示和讨论的论坛，展示了数据库系统及其应用的一般领域中最先进的研发活动。

会议类别：中国计算机学会推荐B类会议（CCF B）

论文题目：Self-Augmented Contrastive Learning for Knowledge-aware Recommendation

作者顺序：褚桂鑫，管馨晔，史一然，张邦佐*，蒲东兵

第一作者为我院2021级硕士研究生褚桂鑫，通讯作者是我院教师张邦佐副教授。

论文简介：将知识图谱整合到推荐系统中已经被证明能够有效缓解数据稀疏性问题。基于知识图谱的推荐系统研究的最新技术趋势是开发基于对比学习的多任务学习模型。然而，当前基于对比学习的方法没有考虑用户-项目图和知识图谱的长尾分布问题，导致性能次优。本文提出了一种名为自增强对比学习（SACL）的方法，通过学习补充节点的邻域缺失信息，解决长尾问题。本文首先设计了一个视图生成器，将头部节点转换为模拟真实尾部节点分布的伪尾部节点，然后提出了一个知识转移函数，来规范化尾部节点表示，获得伪头部节点。接着，本文还将对抗博弈论的原理应用于真实头部节点和真实尾部节点以及伪头部节点和伪尾部节点，通过用户-项目图和知识图谱的自增强图表示，自然地实现与模型无关的自增强对比学习。在三个公共数据集上进行了广泛的对比和消融实验，结果表明所提出的SACL算法优于当前最先进的方法。总体框架见下图：