日前，由計算機科學學院李平教授指導的碩士研究生顧天一、黃愷文等人在數據與知識工程領域頂級期刊——《IEEE Transactions on Knowledge and Data Engineering（IEEE TKDE）》上發表學術論文。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，題目為“Fast Convolutional Factorization Machine with Enhanced Robustness”。
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。
據了解，TKDE是數據庫、數據挖掘等領域的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。中國計算機學會制定發布的《中國計算機學會推薦國際學術會議和期刊目錄》是計算機學界認可的標準，其推薦目錄分為A、B、C三檔。A類指國際上極少數的頂級刊物和會議，鼓勵我國學者去突破。該學術期刊每年出版12期，共收錄130篇文章左右。本論文是李平教授課題組繼2019年在TKDE上發表我校軟件工程學科第一篇學術論文后的又一篇重要論文。
