由我院郑孝遥教授、罗永龙教授、研究生李兴旺等人完成的一篇关于序列推荐领域的研究成果：“Lighter Sequential Recommendation Algorithm with Time Interval Awareness Augmentation” 被计算机软件工程/系统软件顶级期刊IEEE Transactions on Services Computing录用发表（https://ieeexplore.ieee.org/document/10735404/）。

现有的序列推荐模型通过引入异构时间间隔来捕捉用户动态兴趣，但这种设计增加了模型复杂性，尤其在长序列数据中显著增加了计算成本和训练难度。本文提出了一种轻量级的时间间隔感知序列推荐模型（TALSAN），该模型设计了一种新的均匀化数据增强算子，并通过时间感知自注意力层建模用户交互，不仅优化了原始数据样本分布，还提高了对用户动态兴趣偏好的敏感性。TALSAN模型结合时间上下文和位置信息，并引入低秩分解，构建了一个高效的轻量级自注意力网络，可以更好地预测用户行为。其模型结构如图1所示。实验结果表明，本成果所提出的方法在推荐准确性和训练效率上均具有更出色的性能。成果论文题目为“Lighter Sequential Recommendation Algorithm with Time Interval Awareness Augmentation”，由我院郑孝遥教授为第一作者，罗永龙教授为通信作者，研究生李兴旺、蒋盛菲等人参与主要工作。

IEEE Transactions on Services Computing是IEEE服务计算领域顶级国际期刊和中国计算机学会(CCF)推荐的A类期刊，2023-2024最新影响因子为5.5。