计算机与信息学院（人工智能学院）许勇教授、研究生李城等人完成的一篇关于多行为推荐领域的研究成果：“Turning Noisy Auxiliaries into Valuable User Preferences: Uncovering False Negatives via Positive-Unlabeled Learning”被IEEE服务计算领域顶级国际期刊《IEEE Transactions on Services Computing》录用发表。该论文第一作者为学院2023级硕士生李城，许勇教授担任通讯作者，安徽师范大学为第一单位。

现有多行为推荐方法通常利用浏览、收藏、加购等辅助行为提升目标行为预测效果，但往往将未产生购买等目标行为的辅助交互直接视为负样本，忽略了其中可能存在的潜在用户兴趣。针对这一问题，本文从正样本—未标记学习（Positive-Unlabeled Learning）的角度出发，提出Noise-to-Value Adapter（NoVa）推荐模型，通过对抗特征对齐挖掘未转化辅助行为中的高置信度潜在正样本，并利用语义感知过滤机制抑制随机浏览、误点击等噪声信息。实验结果表明，该方法在三个真实电子商务数据集上均取得了优于现有代表性方法的推荐性能。所提模型结构如图1所示。

IEEE Transactions on Services Computing是IEEE服务计算领域顶级国际期刊，也是中国计算机学会（CCF）推荐的A类期刊，在服务计算、云计算及智能服务等领域具有重要国际影响力。