SIGIR 2022将于2022年7月11日至7月15日在西班牙马德里举办。计算机科学与技术学院管仁初教授等的论文“Deployable and Continuable Meta-Learning-Based Recommender System with Fast User-Incremental Updates”被录用。论文的第一作者为管仁初教授，第二作者为硕士生庞皓宇，通讯作者为丰小月副教授，作者还包括Fausto Giunchiglia教授和李熙铭副教授。
用户冷启动问题是个性化推荐系统的主要挑战。由于缺乏足够的交互，很难有效地对新用户的偏好进行建模。这一问题的主要解决方案之一是通过元学习（主要是基于梯度的方法）获得一个初始模型，然后通过任务自适应更新算法生成用户特定模型。尽管这些方法取得了显著的性能，但由于其复杂的任务预设、繁重的计算负担以及无法执行有效的用户增量更新，它们仍未达到实际可用的程度。论文提出了一种可部署可持续的元学习推荐算法（DCMR），该方法可以通过任务记忆重放和一阶梯度下降实现稳定快速的用户增量更新。具体来说，论文在DCMR框架中引入了双约束任务采样器、蒸馏损失和动态控制器，以平衡更新过程中模型的稳定性和可塑性。所提出的模型可以在为新用户提供服务的同时持续进行自动更新；能够从连续的用户流中持续快速地学习，且过程中其推荐功能随时可用。所提模型在三个公开基准数据集得到的实验结果说明了模型的优越性和广泛适用性。
SIGIR是信息检索与数据挖掘领域的著名国际会议，也是计算机学会所列数据库/数据挖掘/内容检索领域A类会议。本次会议共接收794篇提交长文，最终录用161篇，录用率为20%。
