SIGIR 2025 (The 48th International ACM SIGIR Conference on Research and Development in Information Retrieval) 公布論文錄用通知，團隊的學習路徑智能推薦論文成果被順利錄用。SIGIR由國際計算機協(xié)會主辦，是信息檢索與數(shù)據(jù)挖掘領域的國際頂級學術會議，也是中國計算機學會（CCF）推薦的A類學術會議。論文接收為長文，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：隨著在線教育平臺的廣泛普及，越來越多的學生通過大規(guī)模開放在線課程（MOOCs）獲取新知識，習題推薦算法也在提升學生在線學習效果方面取得了重要進展。然而，在線教育仍面臨高輟學率及有效適應學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生的學習模式并滿足其個性化需求，導致推薦結果的準確性與多樣性不足。為此，我們提出NR4DER：一種基于神經(jīng)重排序的多樣化習題推薦方法。該方法通過序列增強的方式強化不積極學生的表征，生成適合學生難度的習題候選列表，并基于該列表運用神經(jīng)重排序技術生成多樣化推薦列表。實驗結果表明，NR4DER在多個真實世界數(shù)據(jù)集上顯著優(yōu)于現(xiàn)有方法，既能有效滿足學生多樣化學習需求，又能顯著提升整體推薦性能。