近日，我校信息与软件工程学院2017级本科生郑雨嘉、刘思逸的论文“Cold-Start Sequential Recommendation via Meta Learner”被人工智能领域顶级会议AAAI 2021 （CCF A）正式接受，并在会议中做了相关报告。郑雨嘉为该论文的第一作者，刘思逸为第二作者，电子科技大学为第一作者单位。

　　该论文专注于解决序列推荐场景中的冷启动问题，提出了一个基于元学习的冷启动推荐框架。序列推荐旨在根据用户的历史行为序列捕获用户的动态偏好，是大多数在线推荐场景的关键组成部分。然而，之前的大多数序列推荐方法因为高度依赖于数据量的支持，在推荐冷启动项目时常常陷入困境。此外，由于缺少额外的辅助信息，传统的冷启动推荐方法也无法很好地适用于该场景。该论文提出了一种基于元学习的冷启动序列推荐框架“Mecos”，以缓解序列推荐中项目冷启动问题。该框架能够有效地从有限的交互中提取用户偏好，学习将目标冷启动项目与潜在用户匹配，轻松地集成现有的基于神经网络的模型。在3个数据集上进行的大量实验验证了“Mecos”的优越性，与最先进的基线方法相比，在 HR@10 的平均改进高达99%、91% 和70%。

图1? 序列推荐的元学习任务设置

图2. Mecos框架图

　　AAAI是人工智能领域的国际顶级会议之一，也是中国计算机学会（CCF）分类的A类会议。根据CCF分类标准定义：“A类会议指国际上极少数的顶级学术会议，鼓励我国学者去突破”。郑雨嘉、刘思逸同学于大二开始加入实验室进行相关领域的研究，在饶云波、刘峤等老师的指导下发表了多篇论文。其中郑雨嘉同学致力于机器学习与数据挖掘领域的研究，以第一作者或通讯作者身份发表会议论文5篇，其中2篇为领域顶级会议，获得美国伊利诺伊大学香槟分校全奖博士、卡内基梅隆大学半奖硕士等offer，毕业后将赴卡内基梅隆大学深造。