5月13-17日，国际数据库顶级学术会议ICDE 2024于荷兰乌得勒支举行，我院博士研究生张持完成的“SSDRec: Self-Augmented Sequence Denoising for Sequential Recommendation”论文被ICDE2024录用，韩启龙教授赴荷兰参加会议并作报告。
ICDE与SIGMOD、VLDB并称数据管理与数据库领域的三大国际顶级学术会议，入选为中国计算机学会（CCF）推荐的A类国际学术会议，在国际上享有盛誉并具有广泛的学术影响力。
针对短期序列数据降噪过程中的过降噪和欠降噪问题（OUPs），该文提出了三阶段学习范式的SSDRec框架，在序列降噪之前执行显式的序列增强技术，从全局数据中选择合理的对象插入到目标序列中，最大程度减少对原始序列的扰动，丰富序列的可学习信息。
SSDRec框架首先以数据驱动的方式构建多关系图，再利用全局关系编码器挖掘跨序列复杂模式，指导对目标序列的增强和降噪；其次利用全局与局部的不一致性设计了一种序列自增强模块，选择目标序列中特定位置注入全局信息，以丰富目标序列；最后采用分层降噪模块，分别对目标序列中的增强数据与原始数据进行噪声识别，在保证增强序列质量的基础上产生可靠的无噪子序列。
目前，以模型为中心的人工智能正在向以数据为中心的人工智能研究转变，在数据质量较低的现实应用场景中，SSDRec框架作为一种通用的序列降噪插件，可无缝地与现有序列表示学习模型相结合，通过提升序列数据质量改善现有方法的表示学习能力，具有广阔的应用前景。