近日，数据库领域三大顶会之一的ICDE 2023（IEEE International Conference on Data Engineering，CCF-A类会议）在美国加利福尼亚州阿纳海姆市召开，上海交通大学电子信息与电气工程学院计算机系数据驱动软件技术实验室成员凭借多兴趣序列推荐的增量学习研究获得了本次大会唯一的最佳论文奖。
获奖的论文题目为“Incremental Learning for Multi-Interest Sequential Recommendation”（面向多兴趣序列推荐的增量学习），该论文提出了一套面向多兴趣序列推荐模型的增量学习框架，既能保留从历史交互序列中挖掘的用户既有兴趣，也能从新增交互序列中检测用户的新兴趣，实现对用户兴趣的自适应更新和动态扩展，在多兴趣序列推荐任务中取得了先进的性能。
本论文提出了一种面向多兴趣序列推荐模型的增量学习框架IMSR，既能对用户的既有兴趣进行适当微调，也能动态扩展模型以刻画用户的新兴趣。IMSR框架包含三个重要组件：既有兴趣保留器、新兴趣检测器、兴趣修剪器。既有兴趣保留器旨在确保既有兴趣的表征在模型增量学习的过程中不会远离其原始位置。论文采用知识蒸馏的思想，根据既有兴趣和新交互序列计算蒸馏损失函数，以此制约既有兴趣的改变。新兴趣检测器负责根据最新交互的物品与既有兴趣的相关性来判断用户是否产生了新兴趣，并在新兴趣被检测出来后，及时对模型进行扩展以捕捉新兴趣。兴趣修剪器则采用兴趣表征空间投影的方式修剪琐碎的新兴趣，删除冗余兴趣，最终确定新兴趣的数量。通过上述组件，IMSR不仅保留了用户的既有兴趣，还能动态自适应地为每个用户创建从新交互序列演变而来的新兴趣。在多个多兴趣序列推荐数据集上的实验结果表明相较于目前先进的增量学习方法，IMSR训练得到的模型取得了更优的推荐性能。
IMSR增量学习框架示意图
文章来源：https://mp.weixin.qq.com/s/mRvehTAJtzQzFjNTHqBQFw
