近日，The 48th IEEE International Conference on Acoustics, Speech, & Signal Processing (ICASSP 2023) 录用论文结果揭晓，实验室博士生邓智颖的论文"Multi-aspect Interest Neighbor-augmented Network for Next-basket Recommendation"被录用。ICASSP是计算机图形学与多媒体领域的CCF-B类国际学术会议，在相关领域享有较高声誉。

论文针对现有的NBR（Next-basket Recommendation）推荐任务提出了多方面兴趣邻居增强网络（Multi-aspect Interest Neighbor-augmented Network, MINN），旨在通过挖掘用户兴趣的细粒度表征，解决现有NBR推荐中由于用户交互稀疏性而无法获得用户完整兴趣表征的问题。MINN包含一个多方面兴趣编码器来学习用户在多方面兴趣空间中的表征。此外，MINN根据用户在不同方面的兴趣表征选择在方面级别兴趣相似的语义邻居，并通过语义邻居增强机制在不同方面下使用相似的语义邻居来增强用户兴趣表征。具体来说，模型将用户及语义邻居的方面级物品表征聚合，并通过在不同方面下使用语义邻居的方面级交互物品进行增强，获得用户在不同方面下增强的兴趣表征。该方法能够捕捉用户细粒度的兴趣表征，从而提高捕捉到的用户兴趣表征的准确性和完整性，进而提高推荐性能。最后，在两个基准数据集上进行了大量实验，实验结果验证了MINN方法的有效性。