近日，工商管理学院李海林教授与本科学生王杰合作完成的学术论文VCRec: Visibility graph and convolutional neural networks for sequential recommendation发表于国际权威期刊《信息科学》（Information Sciences）。《信息科学》是中国科学院计算机科学大类1区TOP期刊、JCRQ1分区刊物，影响因子6.8，为信息科学、数据挖掘与人工智能领域国际公认的顶级学术平台。

序列推荐是个性化推荐系统的核心技术，其核心目标是通过挖掘用户历史行为序列来捕捉动态偏好与物品依赖关系，已广泛应用于电商、社交、影音等多元场景。然而，当前主流模型在挖掘用户行为复杂关联、适配浅层网络捕捉动态模式等方面仍存在明显瓶颈。研究者精准瞄准这一学术痛点，首次将可视图算法引入序列推荐领域，创新性提出融合改进自适应可视图与卷积神经网络的VCRec模型，为序列行为建模提供了全新的拓扑视角解决方案。针对传统自适应可视图在用户兴趣与序列上下文耦合时易出现特征失真的问题，提出了配对自适应可视图（Paired AVG）与非配对自适应可视图（Non-Paired AVG）双编码策略：前者聚焦物品对的直接依赖关系，后者则建模中间上下文的干扰效应，二者融合可全面捕捉物品间的配对与非配对关联，有效区分长程依赖与随机噪声。同时，该模型引入残差模块与卷积块组合结构，深度提取物品高阶特征，既解决了浅层网络难以建模复杂行为模式的难题，又实现了特征的高效传递与非线性关系的精准捕捉。

该研究第一作者兼通讯作者为李海林教授，第二作者为本科学生王杰，工商管理学院为该论文通讯单位。研究工作得到国家自然科学基金（71771094）、福建省社会科学基金（FJ2025A033）资助。

论文链接：https://doi.org/10.1016/j.ins.2026.123153

（责编：魏琳瑛）