CCIIP实验室2020级博士生赵森同学（2020年9月入学，导师：魏巍）论文“Multi-view Intent Disentangle Graph Networks for Bundle Recommendation（作者：赵森，魏巍，邹定，毛先领）”被第36届人工智能领域顶级国际会议（36th AAAI Conference on Artificial Intelligence Vancouver, BC, Canada，AAAI2022，AI领域的知名会议）作为长文全文录用。 第36届国际人工智能大会（AAAI2022）计划于2022年2月22日-3月1日在加拿大温哥华召开。AAAI是CCF推荐的A类国际学术会议，在人工智能领域享有很高的学术声誉。这次会议共收到来自9251篇长文投稿，仅有1349篇长文被录用，录用率仅约15%。
内容简介：捆绑推荐的目的是向用户推荐物品组合。以往的模型重点捕获用户对物品组合的偏好和物品之间的关联。然而，他们往往忽视了用户购买物品时意图的多样性，从而未能将用户的不同意图在用户表征中解缠。在捆绑推荐的真实场景中，用户的意图可能分布在该用户购买过的不同物品组合中(全局视角)。同时一个物品组合可以包含一个用户的多个意图(局部视角)。每个视图在意图解缠方面都有自己的优势: 1) 全局视角中，每个意图都涉及到更多的物品，从而可以更清楚地展示用户在每个意图下的偏好。2) 局部视角中，因为同一个物品组合中的物品是高度相关的，从而可以显示每个意图下的物品之间的关联。为此，本文提出了一种新的多视角意图解缠图神经网络模型(Multi-view Intent Disentangle Graph Networks, MIDGN)，该模型能够在更细的粒度上准确、全面地捕获用户意图和物品关联的多样性。具体来说，MIDGN从两个不同的角度对用户的意图进行了解缠，分别是:1)从全局视角出发，将用户的意图从不同组合包含的物品中解缠;2)从局部视角出发，MIDGN将用户的意图从同一个组合的物品中解缠。同时，我们通过对比的方法，比较从不同视角得到的用户意图，以提高学习到的意图的准确性。通过在两个基准数据集上进行了实验，MIDGN的性能分别比基线方法高出10.7%和26.8%。
