近日，华南师范大学计算机学院SCHOLAT数据智能团队在推荐系统前沿研究中取得重要突破。团队最新研究论文《Line Graphs Are Here! Unlock a Simple Solution for Data Sparsity and Class Imbalance in Recommender System》成功入选国际交叉与新兴领域学术会议——The ACM Web Conference 2026（WWW 2026）。该会议被中国计算机学会（CCF）列为A类学术会议，是全球信息技术交叉创新与应用研究发展的重要风向标。本届会议竞争异常激烈，共收到全球稿件3370篇，最终录用676篇，录用率仅为20.1%。
该论文第一作者为计算机学院SCHOLAT团队2025级博士研究生周俊铭。通讯作者为团队负责人汤庸教授与林荣华副研究员；团队吴正洋副教授、钟昊博士、李树鹏博士作为共同作者参与此项研究。推荐系统作为互联网服务的核心支撑技术，长期受困于数据稀疏性与类别不平衡两大关键瓶颈，这两大问题直接制约了推荐精度与用户体验的提升，而现有解决方案多存在部署成本高、兼容性差等弊端。
针对这一行业痛点，团队创新性地引入线图理论，探索出低成本、高效能的技术突破路径。研究发现，通过将传统的用户-项目交互二部图转化为线图，可将原本复杂的推荐系统数据稀疏问题、类别不平衡问题，分别等价转化为线图层面的“标注节点不足”与“标签分布不均”问题。这一全新表述实现了问题求解场景的精准迁移，使得成熟的节点分类算法与不平衡图学习方法能够直接适配应用，为破解核心难题提供了新思路。
基于此，团队提出线图数据增强（LGDA）策略，该策略具备两大核心优势：一是具备“即插即用”特性，无需修改现有推荐系统架构，即可同步缓解数据稀疏与类别不平衡问题，大幅降低技术落地的部署成本；二是融合定向增强与置信度过滤双重机制，确保生成的增强数据兼具高质量与均衡分布特性，有效规避了传统数据增强方法中常见的噪声干扰问题。在四个真实世界数据集上的系统性实验验证表明，LGDA策略可显著提升推荐系统的预测精度、泛化能力与鲁棒性，为推荐系统性能优化提供了切实可行的技术方案。
值得注意的是，作为长期深耕学者社交网络和学者数据挖掘等领域的学术团队，SCHOLAT数据智能开放实验室此次成果登顶国际顶级会议，不仅彰显了团队在推荐系统基础理论研究与核心技术突破上的深厚积淀，也充分印证了华南师范大学计算机学院在Web应用技术领域高端人才培养体系的科学性与卓越成效。未来，团队将持续推进相关研究的深化与转化，为推动互联网服务智能化升级提供更多前沿技术支撑。
---------------------------------------------------------------------------------------------------------------------
关于学讯通
学者网官方学术媒体，聚焦学术动态、政策解读与资源分享，支持关联学者主页，是科研信息高效获取与交流的平台。
关于机构号
学者网为学术团队、实验室等机构提供的专属账号，可发布科研动态、会议/招聘等内容，支持多管理员协作，助力机构链接学界资源、扩大学术影响力。
评论 0