Page 437 - 《软件学报》2025年第9期

4348 软件学报 2025 年第 36 卷第 9 期

[29] Man T, Shen HW, Jin XL, Cheng XQ. Cross-domain recommendation: an embedding and mapping approach. In: Proc. of the 26th Int’l
Joint Conf. on Artificial Intelligence. Melbourne: IJCAI, 2017. 2464–2470. [doi: 10.24963/ijcai.2017/343]
[30] Sheng XR, Zhao LQ, Zhou GR, Ding XY, Dai BD, Luo Q, Yang SR, Lv JS, Zhang C, Deng HB, Zhu XQ. One model to serve all: Star
topology adaptive recommender for multi-domain CTR prediction. In: Proc. of the 30th ACM Int’l Conf. on Information & Knowledge
Management. New York: ACM, 2021. 4104–4113. [doi: 10.1145/3459637.3481941]
[31] Xu JJ, Song JY, Sang Y, Yin LH. CDAML: A cluster-based domain adaptive meta-learning model for cross domain recommendation.
World Wide Web, 2023, 26(3): 989–1003. [doi: 10.1007/s11280-022-01068-5]
[32] Zhao C, Li CL, Fu C. Cross-domain recommendation via preference propagation graphnet. In: Proc. of the 28th ACM Int’l Conf. on
Information and Knowledge Management. Beijing: ACM, 2019. 2165–2168. [doi: 10.1145/3357384.3358166]
[33] Wang K, Zhu YM, Liu HB, Zang TZ, Wang CY, Liu K. Inter- and intra-domain relation-aware heterogeneous graph convolutional
networks for cross-domain ecommendation. In: Proc. of the 27th Int’l Conf. on Database Systems for Advanced Applications. Berlin:
Springer, 2022. 53–68. [doi: 10.1007/978-3-031-00126-0_4]
[34] Liu M, Li JJ, Guo ZQ, Li GH. Extracting latently overlapping users by graph neural network for non-overlapping cross-domain
recommendation. Knowledge-based Systems, 2024, 290: 111508. [doi: 10.1016/j.knosys.2024.111508]

附中文参考文献:
[4] 王利娥, 李东城, 李先贤. 基于跨域关联与隐私保护的深度推荐模型. 软件学报, 2023, 34(7): 3365–3384. http://www.jos.org.cn/1000-
9825/6533.htm [doi: 10.13328/j.cnki.jos.006533]
[6] 张劲羽, 马晨曦, 李超, 赵中英. 基于三分支图外部注意力网络的轻量化跨域序列推荐. 计算机研究与发展, 2024, 61(8): 1930–1944.
[doi: 10.7544/issn1000-1239.202440197]
[9] 黄玲, 黄镇伟, 黄梓源, 关灿荣, 高月芳, 王昌栋. 图卷积宽度跨域推荐系统. 计算机研究与发展, 2024, 61(7): 1713–1729. [doi:
10.7544/issn1000-1239.202330617]
[11] 金红, 胡智群. 基于非负矩阵分解的稀疏网络社区发现算法. 电子学报, 2023, 51(10): 2950–2959. [doi: 10.12263/DZXB.20210950]
[24] 刘奇, 陈莹. 正则化机制下多粒度神经网络剪枝方法研究. 电子学报, 2023, 51(8): 2202–2212. [doi: 10.12263/DZXB.20210844]
[25] 周钧锴, 王念, 崔莉. EasiLTOM: 一种基于局部动态阈值的信号活动区间识别方法. 计算机研究与发展, 2022, 59(4): 826–833. [doi:
10.7544/issn1000-1239.20200662]

钱忠胜(1977－), 男, 博士, 教授, 博士生导师, 范赋宇(2002－), 男, 硕士生, CCF 学生会员, 主
CCF 高级会员, 主要研究领域为软件工程, 机器 要研究领域为软件工程, 机器学习.
学习, 智能化软件.

王亚惠(1999－), 女, 硕士生, 主要研究领域为软 付庭峰(1999－), 男, 硕士生, 主要研究领域为软
件工程, 机器学习. 件工程, 机器学习.

俞情媛(1997－), 女, 博士生, 主要研究领域为软
件工程, 机器学习.