近日，实验室博士后陈奇的论文“Double Attention Convolutional Neural Network for Sequential Recommendation”被ACM Transactions on Web（ACM TWEB）期刊收录。随着互联网上可用信息的快速增长，用户开始遇到信息过载的问题。推荐系统借助数据挖掘和人工智能领域的相关技术，帮助用户快速找到其潜在感兴趣的信息以解决信息过载问题，在社交网络、电子商务、在线阅读和广告投放等领域得到了广泛的应用。

传统的序列推荐系统在建模过程中仅重点考虑了用户端的交互行为，未能充分考虑项目的交互序列，这种情况下无法为推荐系统提供足够的有效信息来推荐新款产品。为了克服上述问题, 我们研究如何构造一种基于深度学习的新型双重序列推荐系统DACNN。我们分别从用户端和项目端进行建模，利用Attention建模用户和项目之间的实时匹配度，同时利用CNN提取用户和项目的序列特征模式，最后通过特征融合计算用户的兴趣度评分获取相应的推荐结果。实验结果表明我们的方法在真实数据集上的表现优于其它现有的方法。

ACM Transactions on Web期刊是计算机领域知名期刊，CCF-B类期刊，也是美国计算机协会ACM直接举办的，以Web网络应用研究为主的重要期刊。