SCHOLAT实验室2026年首篇顶会论文录用。近日，SCHOLAT数据智能团队研究论文《Line Graphs Are Here! Unlock a Simple Solution for Data Sparsity and Class Imbalance in Recommender System》收到CCF A会 The ACM Web Conference 2026（WWW 2026）正式录用通知。该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2025级博士研究生周俊铭，汤庸教授与林荣华副研究员为共同通讯作者，吴正洋副教授、钟昊博士、李树鹏博士作为共同作者。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，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。