SIGIR 2025 (The 48th International ACM SIGIR Conference on Research and Development in Information Retrieval) 公布論文錄用通知，團(tuán)隊(duì)的學(xué)習(xí)路徑智能推薦論文成果被順利錄用。SIGIR由國(guó)際計(jì)算機(jī)協(xié)會(huì)主辦，是信息檢索與數(shù)據(jù)挖掘領(lǐng)域的國(guó)際頂級(jí)學(xué)術(shù)會(huì)議，也是中國(guó)計(jì)算機(jī)學(xué)會(huì)（CCF）推薦的A類學(xué)術(shù)會(huì)議。論文接收為長(zhǎng)文，SIGIR 2025 Full Papers track (21.5% acceptance rate)。

論文題目：NR4DER: Neural Re-ranking for Diversified Exercise Recommendation

論文概述：隨著在線教育平臺(tái)的廣泛普及，越來越多的學(xué)生通過大規(guī)模開放在線課程（MOOCs）獲取新知識(shí)，習(xí)題推薦算法也在提升學(xué)生在線學(xué)習(xí)效果方面取得了重要進(jìn)展。然而，在線教育仍面臨高輟學(xué)率及有效適應(yīng)學(xué)生多樣化需求的挑戰(zhàn)?，F(xiàn)有方法往往難以適配不積極學(xué)生的學(xué)習(xí)模式并滿足其個(gè)性化需求，導(dǎo)致推薦結(jié)果的準(zhǔn)確性與多樣性不足。為此，我們提出NR4DER：一種基于神經(jīng)重排序的多樣化習(xí)題推薦方法。該方法通過序列增強(qiáng)的方式強(qiáng)化不積極學(xué)生的表征，生成適合學(xué)生難度的習(xí)題候選列表，并基于該列表運(yùn)用神經(jīng)重排序技術(shù)生成多樣化推薦列表。實(shí)驗(yàn)結(jié)果表明，NR4DER在多個(gè)真實(shí)世界數(shù)據(jù)集上顯著優(yōu)于現(xiàn)有方法，既能有效滿足學(xué)生多樣化學(xué)習(xí)需求，又能顯著提升整體推薦性能。