日前，由计算机科学学院李平教授指导的硕士研究生顾天一、黄恺文等人在数据与知识工程领域顶级期刊——《IEEE Transactions on Knowledge and Data Engineering（IEEE TKDE）》上发表学术论文。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，题目为“Fast Convolutional Factorization Machine with Enhanced Robustness”。

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。

据了解，TKDE是数据库、数据挖掘等领域的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。中国计算机学会制定发布的《中国计算机学会推荐国际学术会议和期刊目录》是计算机学界认可的标准，其推荐目录分为A、B、C三档。A类指国际上极少数的顶级刊物和会议，鼓励我国学者去突破。该学术期刊每年出版12期，共收录130篇文章左右。本论文是李平教授课题组继2019年在TKDE上发表红宝石官方网站hbs123软件工程学科第一篇学术论文后的又一篇重要论文。