（通讯员 王鑫 金弟）近日，中国计算机学会（CCF）推荐的A类国际学术会议 The Web Conference (WWW 2023) 在美国德克萨斯州奥斯汀举办，智能与计算学部的3篇长文（Regular Paper）在会议上发表。这些论文分别来自王鑫教授团队和金弟教授团队。其中，王鑫教授团队发表了2021级硕士生王晨旭在知识超图领域的重要成果，包括实体与多元关系事实的知识提取、多元关系中的语义与位置信息挖掘等方面的突破。金弟教授团队展示了2019级博士生于智郅关于社交物联网信任评估方面的工作和2020级博士生王露芝关于新品类推荐方面的工作。
WWW全称为国际万维网大会（The Web Conference），是以万维网未来发展方向为主题的年度国际学术会议。本次会议收到了1900篇投稿，录用了其中的365篇长文，录取率仅为19.2%。作为一年一度的国际学术盛事，WWW大会关注万维网的未来发展，吸引了全球顶级学者、研究机构、跨国企业和国际标准化组织的精英参与，共同为互联网技术的创新与发展助力。WWW 2023于4月30日至5月4日在美国德克萨斯州奥斯汀举办。
入选论文（一）
题目：HyConvE: A Novel Embedding Model for Knowledge Hypergraph Link Prediction with Convolutional Neural Networks
作者：王晨旭、王鑫、李钊、陈子睿、李建新
简介：知识超图可以视为知识图谱的泛化表示形式，能够描述多个实体之间的关联，其中不同的实体处于关系中特定的位置。知识超图嵌入方法将实体和多元关系投射到一个低维的连续向量空间中，来进行链接预测等下游任务。目前尽管多元关系事实在现实世界中无处不在，这仍然是一个有待探索的挑战性领域。卷积神经网络在以前的知识图谱链接预测工作中已经被证明具有显著的信息提取能力。在本文中，我们提出了一个新颖的基于嵌入的知识超图链接预测模型，名为HyConvE，它利用卷积神经网络的强大学习能力进行有效的链接预测。具体来说，我们采用三维卷积来捕捉实体和关系的深度交互，在不影响其平移特性的情况下，能够有效地提取每个多元关系事实中的显性和隐性知识。此外，我们认为位于不同关系中不同位置的实体应该有相应的特征信息，我们通过构建关系和位置感知过滤器被连续利用来进行二维卷积操作，以分别捕捉每个多元关系中的语义和位置信息。在知识超图和知识图谱的标准数据集上的大量实验结果表明，与最先进的基线相比，HyConvE有更优越的性能。
入选论文（二）
题目：KGTrust: Evaluating Trustworthiness of SIoT via Knowledge Enhanced Graph Neural Networks
作者：于智郅，金弟，霍翠英，王志强，刘秀龙，齐恒，吴佳，吴凌飞
简介：信任评估（Trust Evaluation）作为一种预测节点之间信任关系的任务，在用户协作、安全通信等方面具有重要意义。针对已有用于社交物联网信任评估的图神经网络方法难以有效建模节点语义以及多方面信任属性的问题，本文提出了一种新颖的基于知识图谱增强图神经网络的社交物联网信任评估模型（KGTrust）。其主要思想是借助高度关联的外部知识来充分挖掘和理解节点语义，并在图神经网络信息传播的过程中全面建模信任属性，包括信任关系的非对称性、可组合性、以及可传递性，实现了基于图表征的节点之间信任关系的预测与评估，有效解决了社交物联网上的态势感知与风险预测问题。在三个真实社交物联网数据集上的大量实验结果表明，该模型在有效性和鲁棒性方面均明显优于现有先进方法。
入选论文（三）
题目：Dual Intent Enhanced Graph Neural Network for Session-based New Item Recommendation
作者：金弟，王露芝，郑伊圳，宋国杰，姜飞，李响，林伟，潘世瑞
摘要：
当前基于会话的图神经网络推荐系统主要关注用户历史会话中的商品，很难向用户推荐他们从未互动过的新商品。由于新商品与用户之间缺乏互动，在构建基于GNN会话的推荐系统时无法直接将新商品纳入会话图中。为了应对这一挑战，我们提出了一个双重意图的增强图神经网络，旨在有效地解决推荐新商品的问题。NirGNN从注意力机制和历史数据分布中分别学习用户的意图，模拟用户与新商品互动的决策过程。为了克服新商品无法直接被GNN学习的问题，我们受到Zero-shot Learning的启发，利用新商品的属性来推断其在GNN空间中的表示。在两个代表性的真实世界数据集上进行的实验表明，我们提出的方法具有显著优势。我们在美团提供的真实数据集上的研究进一步证实了双重意图模块和新商品推理模块所带来的可解释性优势。
