近日，我校計科院碩士研究生顧天一、黃愷文撰寫的學術論文《Fast Convolutional Factorization Machine with Enhanced Robustness》（指導老師李平教授）被數據工程及人工智能領域頂級期刊IEEE Transactions on Knowledge and Data Engineering（IEEE TKDE）錄用。
該論文著重研究了卷積因子分解機模型中的特征有效性問題。因子分解機是一種利用特征交叉來提升線性回歸模型的機器學習方法，如何學習到有效的高階特征交叉信息是這一方向的焦點。當前，基于卷積的高階特征交叉在顯著提升因子分解機性能的同時也引入了很多噪聲。該論文通過優化特征交叉方式和大量實驗證明了現有卷積因子分解機的缺陷，并提出一種特殊的對抗性數據增強方法，增強了模型對噪聲的魯棒性。
TKDE是數據庫、數據挖掘等領域里最具影響力的國際期刊，在中國計算機學會（CCF）的推薦目錄中處于A區。在TKDE上發表的學術論文，其研究內容均是數據與知識工程領域的前沿課題，其研究成果反映了本領域的最新研究成果與進展。這是李平教授團隊繼2019年在該期刊發表論文之后，在該領域研究的又一重要成果。
論文首頁
作者和導師簡介