近日，我校圖書館青年教師欽蔣承以第一作者身份在國(guó)際著名學(xué)術(shù)期刊《Information Processing and Management》（中科院一區(qū) TOP，IF=6.9）上發(fā)表題為“Federated cross-domain CTR prediction with triple-view contrastive learning and LLM augmentation”的研究論文。論文通訊作者是寧波大學(xué)圖書館館長(zhǎng)、博士生導(dǎo)師劉柏嵩教授。

　　該研究針對(duì)聯(lián)邦跨域推薦系統(tǒng)中普遍存在的數(shù)據(jù)極度稀疏、非獨(dú)立同分布（Non-IID）以及差分隱私噪聲導(dǎo)致的性能下降等關(guān)鍵挑戰(zhàn)，提出了一種全新的聯(lián)邦跨域點(diǎn)擊率預(yù)測(cè)框架——FedTriCTR-LLM。該框架創(chuàng)新性地引入了大語(yǔ)言模型（LLM）驅(qū)動(dòng)的數(shù)據(jù)增強(qiáng)網(wǎng)絡(luò)（LLMAugNet），利用大模型的語(yǔ)義知識(shí)豐富用戶行為序列；同時(shí)設(shè)計(jì)了三視圖對(duì)比推薦模塊（TriCoRec），通過視圖內(nèi)對(duì)齊和跨域解耦機(jī)制，有效提升了模型在異構(gòu)數(shù)據(jù)下的魯棒性。此外，研究還提出了一種自適應(yīng)剪裁差分隱私機(jī)制（AdaClipDP），在保證嚴(yán)格隱私安全的同時(shí)顯著降低了噪聲對(duì)模型精度的影響。實(shí)驗(yàn)結(jié)果表明，該方法在Amazon和Douban等多個(gè)真實(shí)數(shù)據(jù)集上均取得了優(yōu)于現(xiàn)有最先進(jìn)基準(zhǔn)模型的性能。

　　《Information Processing and Management》是愛思唯爾（Elsevier）旗下的老牌頂刊，是被中國(guó)計(jì)算機(jī)學(xué)會(huì)（CCF）推薦的B類國(guó)際學(xué)術(shù)期刊，同時(shí)也是中科院SCI期刊分區(qū)計(jì)算機(jī)科學(xué)類一區(qū)（Top）期刊。該刊主要關(guān)注信息系統(tǒng)、信息檢索及相關(guān)領(lǐng)域的最新理論與應(yīng)用研究，在國(guó)際學(xué)術(shù)界享有極高的聲譽(yù)和影響力。

　　近年來，圖書館高度重視青年館員成長(zhǎng)，多次邀請(qǐng)國(guó)內(nèi)圖情領(lǐng)域?qū)＜摇⒅幕瘜W(xué)者等到館開展專題講座，至今已開展青年干部培訓(xùn)班三期，為加強(qiáng)專業(yè)人才隊(duì)伍建設(shè)、更好服務(wù)學(xué)校中心工作奠定了堅(jiān)實(shí)的基礎(chǔ)。

　　論文鏈接：https://doi.org/10.1016/j.ipm.2025.104485