近日，实验室3篇长文被WWW'22录用。
博士生陈一萱作为第一作者的论文“Cross-modal Ambiguity Learning for Multimodal Fake News Detection”基于对虚假新闻检测中普遍存在的跨模态语义歧义的创新性分析，提出了一种基于跨模态歧义学习的多模态虚假新闻检测方法（CAFE）。与以往的工作不同，CAFE 能够基于固有的跨模态模糊性，自适应地聚合跨模态特征和单模态特征，以解决不同模态之间的分歧导致的错误分类。对两个广泛使用的数据集（推特和微博）的实验研究证明 CAFE 在多模式虚假新闻检测方面优于现有技术，精度分别提高了 2.2-18.9% 和 1.7-11.4%。
博士生夏家峰作为第一作者的论文“FIRE: Fast Incremental Recommendation with Graph Signal Processing”从图信号处理的角度提出了快速增量推荐算法（FIRE）。FIRE是无参数的，它不会受到耗时的反向传播的影响，可以显著提高模型更新的效率。此外，该文还通过设计新的图滤波器对用户/物品的时间信息和辅助信息进行编码，分别捕获用户/物品的随时间变化的特征和解决新用户/物品的冷启动问题。
硕士生潘思成作为第一作者的论文“Accurate and Explainable Recommendation via Review Rationalization”通过评论合理化设计了一种可解释的推荐模型，算法基于依赖分离设计的对抗学习模型从评论中挖掘对评分具有最大预测能力的原因特征子集，并基于该子集进行可解释推荐，通过广泛的实验证明了该方法的有效性。
WWW是互联网领域的权威国际学术会议（CCF A类推荐国际会议），专注于通过计算机科学、计算社会科学、经济学、政策和许多其他学科的视角了解互联网当前的状态及未来的演变，WWW'22录用率仅为17.7%。