IEEE ICWS 2026于2026年7月13日至18日在澳大利亚悉尼举行。我院在读硕士研究生罗凤作为学生第一作者（谢芬方老师指导）完成的论文《MHLAR: A Multi-View Fusion Framework Integrating Hypergraph Structures and LLM-Enhanced Semantics for Mobile App Recommendation》被大会录用为长文并发表。大会共收到全球学者投稿387篇，录用长文77篇，录用率为19%。IEEE ICWS是服务计算领域具有重要影响力的国际学术会议，也是中国计算机学会（CCF）推荐的B类国际会议，为学术界和产业界交流Web服务建模、发现、推荐、组合及应用等领域的最新研究成果提供了重要平台。
论文概述：论文针对现有移动应用推荐方法难以充分利用群体层面的协同关系、大语言模型语义表示存在信息冗余，以及短期使用意图与长期用户偏好缺乏统一建模等问题展开研究。为此，论文提出了一种融合超图结构与大语言模型增强语义的多视图移动应用推荐框架MHLAR。该框架首先通过行为预训练模块学习用户会话中的短期应用转换模式；随后构建情感增强的双向静态超图和时间感知动态超图，分别刻画用户长期稳定的群体偏好、周期性使用规律及用户群体的动态演化；同时利用先验引导注意力蒸馏机制优化大语言模型生成的用户与应用语义表示，减少冗余信息。在此基础上，MHLAR通过门控融合与多视图对比学习，对行为视图、静态会话视图、大语言模型会话视图和用户画像视图进行自适应融合，实现短期意图与长期多维偏好的协同建模。在公开数据集MobileRec上的实验结果表明，MHLAR在Recall和NDCG等指标上均优于多种代表性推荐模型，各项指标较最优基线提升20.6%至63.1%；消融实验进一步验证了各核心模块的有效性。
图1：论文模型图
此次论文被录用，体现了我院在推荐系统、超图神经网络、大语言模型语义建模等方向的研究生培养与科研创新成效。
供稿：罗凤
初审：谢芬方
终审：王连喜
