近日，数据科学学院杜军威教授团队在知识工程领域取得了新进展。其研究成果以“Intent Propagation Contrastive CollaborativeFiltering”为题发表在IEEE Transactions on Knowledge and Data Engineering(TKDE)。TKDE是IEEE旗下专注知识发现和数据挖掘的顶级期刊,入选中国计算机学会（CCF）推荐的A类国际期刊和中科院一区TOP期刊。

协同过滤中使用的解耦技术能够揭示节点间的交互意图，从而提升节点表征的可解释性并增强推荐性能。然而现有解耦方法仍面临两个关键问题：（1）这类方法聚焦于从直接节点交互中提取的局部结构特征，忽视了整体图结构信息，导致解耦精度受限；（2）解耦过程依赖于推荐任务的反向传播信号，缺乏直接监督机制，可能引发偏差和过拟合。为解决这些问题，我们提出意图传播对比协同过滤算法（IPCCF）。具体而言，我们设计了双螺旋消息传播框架以更高效地提取节点深层语义信息，从而增强模型对节点间交互的理解；同时开发了融合图结构信息的意图消息传播方法，扩展了解耦过程的考量范围。此外，采用对比学习技术对齐从结构和意图衍生的节点表征，为解耦过程提供直接监督，既有效缓解偏差又增强了模型对过拟合的鲁棒性。在三个真实数据图上的实验验证了所提方法的优越性。

该篇论文第一作者为学校博士研究生李浩杰、通讯作者为杜军威教授和麦考瑞大学的刘冠峰教授,本研究得到国家自然科学基金、山东省自然科学基金以及中国国家留学基金管理委员会等多方资助。

HaojieLi, JunweiDu^*, GuanfengLiu^*, FengJiang, YanWang and XiaofangZhou, Intent Propagation Contrastive Collaborative Filtering, IEEE Transactions on Knowledge and Data Engineering, doi: 10.1109/TKDE.2025.3543241