皇家永利

近日，皇家永利计科院硕士研究生顾天一、黄恺文撰写的学术论文《Fast Convolutional Factorization Machine with Enhanced Robustness》（指导老师李平教授）被数据工程及人工智能领域顶级期刊IEEE Transactions on Knowledge and Data Engineering（IEEE TKDE）录用。

该论文着重研究了卷积因子分解机模型中的特征有效性问题。因子分解机是一种利用特征交叉来提升线性回归模型的机器学习方法，如何学习到有效的高阶特征交叉信息是这一方向的焦点。当前，基于卷积的高阶特征交叉在显著提升因子分解机性能的同时也引入了很多噪声。该论文通过优化特征交叉方式和大量实验证明了现有卷积因子分解机的缺陷，并提出一种特殊的对抗性数据增强方法，增强了模型对噪声的鲁棒性。

TKDE是数据库、数据挖掘等领域里最具影响力的国际期刊，在中国计算机学会（CCF）的推荐目录中处于A区。在TKDE上发表的学术论文，其研究内容均是数据与知识工程领域的前沿课题，其研究成果反映了本领域的最新研究成果与进展。这是李平教授团队继2019年在该期刊发表论文之后，在该领域研究的又一重要成果。

论文首页

作者和导师简介