（通讯员 刘明君）6月29日，公司本科生刘晓豪、邵佳泓等同学的学术论文“EliMRec: Eliminating Single-modal Bias in Multimedia Recommendation”被ACM MM2022（ACM International Conference on Multimedia, ACM MM）长文录用。本次会议共收到有效稿件2473篇，最终录用690篇，录用率为27.9%，会议将于2022年10月10-14日在葡萄牙里斯本召开。ACM MM是国际多媒体领域最重要的顶级会议，被CCF推荐为该领域唯一的A类国际学术会议。

该论文成果是同学们在参加第二届“MCL老员工学术训练季”期间取得的，也是继“MCL训练季”的首个学术成果被IEEE Transactionson Multimedia（校T类期刊）录用后，被国际学术同行认可的又一高水平学术成果。论文指导老师为bevictor伟德官网的杨丽芳老师和陶竹林老师。

多媒体推荐通常会利用多模态信息作为一种辅助来预测用户喜好。目前的大多研究主要集中于先进行单模态的特征提取，然后再将多个模态的特征进行常规融合，以辅助预测。但常规融合很难充分预测用户喜好。本文从因果角度出发，探讨了多模态融合的内部机理，并提出了EliMRec框架。该框架增强了单模态偏差的捕获能力，并构建了多个反事实世界（即保持一个单模态变换而其他模态固定），最终利用反事实分析去除单模态特征对用户喜好分数的直接效应（单模态偏差）。大量实验验证了EliMRec在各种不同情况下，均有优于已有算法的表现。

EliMRec框架

 “MCL (Most Creative Learning) 老员工学术训练季”旨在引导本科生探索学术前沿、勇于学术创新、投身学术研究。该活动由杨丽芳老师于2020年8月发起并组织，每年一届，在理工科非毕业生中招纳10名左右对学术创新具有浓厚兴趣的本科生，开展为期8-10个月的学术训练活动，纳新时间为每年7月中旬。目前已成功举行了两届，并将持续进行下去。

学术训练季大致分为三个阶段。第一阶段为学术知晓阶段，主要任务是让学员们了解学术研究的过程、必须遵守的规则，同时熟悉相关学术主题的最新研究进展等。指导老师会根据具体情况准备训练主题，并从最新顶刊顶会中精选10篇左右的相关论文，带领学员们进行详细研读和复现。第二阶段为知识体系构建阶段，主要任务是让学员们围绕训练主题所涉及到的知识点，初步构建自己的知识结构体系。第三阶段为学术创新阶段，主要任务是让学员们研读大量相关的顶刊顶会论文，和指导老师一起定位前沿学术难点问题，并设计实现相应的解决方案。该训练阶段，学员们有机会与国际学术同行进行深入的学术交流。学员们在此期间获得的优秀学术成果，均被鼓励投稿于相关国际权威期刊和顶级会议。首届训练季的学术成果已被校T类期刊录用，第二届训练季的学术成果也被国际顶会录用，学员们的另一成果正处于算法优化和实验测试阶段。