图 面向推荐系统的数据挖掘示意图

　　基于情境数据挖掘实现对用户意图理解，进而提升推荐系统的整体性能，对推动以互联网为基础的信息获取方式进一步发展具有重要的意义。在国家自然科学基金项目（批准号：61325010、62022077）资助下，中国科学技术大学陈恩红教授团队围绕面向推荐系统的情境数据挖掘基础理论与方法进行了深入研究。针对推荐系统中隐式需求理解难以融合领域知识的问题，率先提出了知识图谱增强的用户意图推理模型，发展了领域知识建模与用户意图推理的协同优化方法，提升了用户意图推理的准确性；针对推荐系统中高维稀疏特征到超多分类的情境推荐算法难泛化问题，提出了高效建模稀疏特征显隐式高阶交互的情境推荐模型，提升了推荐算法的泛化性；针对高效推理算法中表示学习和索引构建相独立的问题，提出了表示学习和索引构建的端到端联合优化创新方法，对齐了表示学习空间和索引构建空间，在保证推理效率同时极大减少了高效推理引发的精度损失。

　　该项成果受到了60余位国内外院士、140余位IEEE/ACM/AAAI Fellow的引用或正面评价，并引发许多国际同行开展跟随推广工作。相关研究成果获得了2023年CCF科技成果奖自然科学奖一等奖、ACM SIGKDD最佳学生论文奖等学术奖励，并多次获得KDD Cup等国际竞赛冠亚军。依托该项工作开源了推荐系统库，取得了在广告投放、商品推荐、新闻推荐等场景成功应用，经济社会效益显著。