本网讯 12月18日下午，由学科建设办公室（博士工作站办公室）、科研处、教师发展中心、计算机学院开展的2025年第26期博士沙龙（工作坊）在英文楼B103教室顺利举办。本次沙龙主题为《面向信息检索与推荐系统的关系感知图神经网络方法》，由计算机学院陈健博士主讲，杨德牛副院长主持。陈健博士围绕“推荐与检索系统中的关系感知技术”展开专题分享，从关系模型的价值到多技术协同路径，为行业提供了前沿洞察与实践方向。
会议现场
陈健博士指出，在推荐系统中，关系信号比传统特征更具潜力。通过图神经网络（GNN）捕捉用户-物品间的高阶交互信息，可显著提升偏好预测准确性与多样性。然而，关系模型也伴随噪声传递、隐私风险等挑战。对此，他提出结合对比学习与自监督策略，通过多视角语义对齐、随机游走路径优化等方法增强模型鲁棒性，尤其在数据稀疏场景下实现更稳定的兴趣建模。
陈健博士作分享
针对大模型热潮，陈健博士强调，GNN与大数据技术并非替代关系，而是互补共生。大模型在语言理解方面表现卓越，但对结构化关系与实时交互的处理存在局限性，易产生“幻觉”问题。他提出三种结合思路：利用大模型生成关系初始信号、构建混合召回-重排架构、通过联邦学习保障数据隐私，以平衡效果、成本与实时性需求。
本次沙龙分享为智慧医疗、法务等垂直领域的复杂检索任务提供了新思路，进一步凸显了关系感知技术在新一代推荐与检索系统中的重要价值。（图/文 肖小芹）
