ACM International Conference on Information and Knowledge Management (CIKM 2022) 将于2022年10月举行，计算机科学与技术学院2019级软件工程专业本科生堵瀚文以第一作者撰写的论文 " Contrastive Learning with Bidirectional Transformers for Sequential Recommendation" 被CIKM2022录用，通讯作者为我院赵朋朋教授。CIKM会议是数据库／数据挖掘／内容检索领域顶级国际会议（CCF B类会议）。
堵瀚文同学一直对计算机专业抱有浓厚兴趣，高考录取我院后，一直刻苦学习，努力钻研，自大学二年级就申请加入我院先进数据分析研究中心，积极参与科研项目研究与科学实验工作，主持大学生课外学术科研基金项目“基于自监督的序列推荐模型研究”。多次获得尊龙凯时学习优秀奖学金和创新创业、精神文明等专项奖学金，曾获得第12届“蓝桥杯”全国软件和信息技术专业人才大赛全国总决赛一等奖。
论文摘要简要描述如下：基于Transformer序列编码器的对比学习模型在序列推荐中已占主流。这种方法最大化一对具有相似语义的增强序列之间的相似度。但是，在序列推荐中现有的对比学习方法主要基于单向Transformer开发。但是因为用户序列未必是一个严格的从左向右序列，这种方法是次优的。针对此问题，本文提出基于双向Transformer编码器的序列推荐对比学习框架。本文首先使用滑动窗口技巧处理长序列已实现更细粒度的用户序列划分。接着该框架将完形填空任务遮蔽和dropout遮蔽以生成高质量正样本并进行多对样本对比学习。相较于普通的一对样本对比学习而言，多对样本对比学习具有更优的表现和适应性。此外，本文设计了一种新颖的损失函数权重动态重估策略以平衡完形填空任务损失函数和对比学习任务损失函数。在三个公开基准数据集上的实验结果表面我们的模型表现优于现有的前沿序列推荐方法。实验结果表明提出的框架性能优于目前的最先进水平。
