计算机科学与技术学院博士后徐原博等的论文“Detect Professional Malicious User with Metric Learning in Recommender Systems”被数据挖掘领域国际顶级期刊IEEE Transactions on Knowledge and Data Engineering (TKDE) (CCF-A)录用。论文第一作者为徐原博，第二作者为杨永健教授，通讯作者为王恩教授。其他作者还有北航庄福振教授，美国罗格斯大学熊辉教授。
论文针对电商网站遭受到的职业差评师攻击难以被常规异常用户监测模型发现这一问题，提出了一种半监督多模态学习监测模型MMD。MMD利用多模度量学习有效获取不同类型用户之间的多维关系，精准定位职业差评师。实验表明，MMD够有效地监测专业差评师。并且通过删除掉这些差评师，SOTA的推荐模型能够获得13%左右的性能提高。
计算机科学与技术学院博士后徐原博等的又一篇论文“A Unified Collaborative Representation Learning for Neural-Network based Recommender Systems”，也被计算机数据挖掘领域国际顶级期刊IEEE Transactions on Knowledge and Data Engineering (TKDE) (CCF-A)录用。论文第一作者为博士后徐原博，第二作者为杨永健教授，通讯作者为王恩教授。其他作者还有常毅教授。
已有的深度推荐模型通常对交互矩阵进行矩阵分解来获得用户和物品的初始表示向量，并将这些向量作为神经网络模型的输入。而已有研究表明深度神经网络学习模型对于初始输入向量也非常敏感。本文提出的协同度量embedding方法能够高效获得具有可解释表征能力的嵌入向量作为深度模型的输入向量。同时，使用这些嵌入向量，基于embedding的深度神经网络推荐方法能够获得的17%左右的性能提升。
