近日，山东计算机学会公布了2025年度“浪潮新星杯”优秀博士、硕士学位论文获奖名单，MMRC实验室2021级博士生马浩凯的博士学位论文《基于多域样本关联表示学习的跨域序列推荐算法研究》荣获优秀（学术型）博士学位论文；实验室2023级博士生李祥的硕士学位论文《基于解耦字形字效的艺术字生成研究》荣获优秀（专业型）硕士学位论文；指导老师分别是MMRC实验室主任孟雷教授与实验室团队教师武蕾副教授。

1.论文名称：基于多域样本关联表示学习的跨域序列推荐算法研究

该论文围绕跨域序列推荐任务存在的用户在不同行为域存在偏好差异的问题，针对现有推荐算法多域偏好建模难、跨域学习泛化差和表征协同优化弱等技术瓶颈，系统开展了跨域序列推荐算法的多域行为建模、全局关联泛化和负向行为采样等三个重要技术模块的理论分析，针对性地提出了面向多域关联建模的三元序列学习算法、面向全局偏好匹配的离散式扩散迁移算法和面向跨域表征迁移的真实强负采样算法，形成了一类基于多域样本关联表示学习的跨域序列推荐算法，实现了推荐准确度与泛化性的显著提升。具体而言：（1）提出面向多域关联建模的三元序列学习算法，通过联合建模源域、混合域与目标域的三元相关性，实现用户多域偏好的多粒度表示与目标域行为的精准预测；（2）提出面向全局偏好匹配的离散式扩散迁移算法，引入扩散模型增强用户全局兴趣泛化，从全局交互与语义扩散两方面提升推荐模型的泛化能力与多样性；（3）提出面向跨域表征迁移的真实强负采样算法，基于多类真实强负样本选择器与渐进式课程学习，有效缓解假阴性与负向信息迁移问题，提升模型优化稳定性与跨域推荐性能；相关研究成果以（共同）第一作者的身份在TOIS、AAAI、IJCAI、RecSys等信息检索与人工智能领域顶级期刊及会议发表论文8篇，谷歌引用450余次。

图1.基于多域样本关联表示学习的跨域序列推荐算法技术框架

2.论文名称：基于解耦字形字效的艺术字生成研究

该论文围绕艺术字图像风格解耦表示与生成问题，针对现有方法难以合成复杂字形和细粒度字效的艺术字、缺乏组合性生成能力等技术瓶颈和艺术字数据集无法支持风格解耦研究，分别开展了解耦风格编码算法和组合性零样本学习算法的研究，及风格解耦艺术字数据集构建。具体而言，（1）提出了一个基于解耦风格编码的艺术字生成模型DSE-Net。该模型专注于字形和字效的独立编码。其中本文提出了透视变换操作模块和字效一致性损失，用于消除字效参考中的字形元素带来的影响。实验证明了该模型的有效性，以及处理具有复杂、细粒度风格艺术字的优越性；（2）提出了一个大规模的支持风格解耦的艺术字数据集SSAF。该数据集包括30种字形风格与30种字效风格，并同时包含中文和英文的字符。另外，该数据集具有320×320的分辨率与细粒度风格特征，这为现有的艺术字生成模型带来了挑战，也是第一个支持艺术字的字形和字效风格解耦研究的数据集；（3）提出了一个基于组合式零样本的艺术字合成模型CAFS-GAN。该模型充分利用了多字形之间的共性与多字效之间的共性，并考虑了字形和字效差异，引入了对比学习策略来解耦字形和字效的特征。在生成器中，本文提出了层次化的双风格自适应实例化来重组内容、字形、字效特征，使生成器从结构到纹理逐渐地优化特征图，从而生成高质量的艺术字图像。最后，基于提出的艺术字生成模型DSE-Net和CAFS-GAN，及提出的数据集进行了工程化实现，整合构建了艺术字图像生成系统——艺字宫，支持用户字形和字效可定制的艺术字图像生成。相关研究成果以第一作者身份在国际会议SIGGRAPH，IJCAI和ICME发表论文3篇。

图2.基于组合式零样本的风格解耦艺术字生成系统