20、动态UTeSp模型与化学XAI系统：信息驱动的创新解决方案

动态UTeSp模型与化学XAI系统：信息驱动的创新解决方案

在当今数字化时代，信息在各个领域都发挥着至关重要的作用。无论是在位置推荐模型中，还是在化学化合物的研发过程中，信息的有效利用都能带来显著的优势。下面我们将详细介绍两个不同但又都与信息紧密相关的创新解决方案。

动态UTeSp模型解决连续POI推荐问题

在位置推荐领域，信息的重要性不言而喻。用户连续访问不同位置的意愿可能与空间距离密切相关，空间信息的影响不仅能提升推荐性能，还符合用户在现实生活中的需求。

为了解决连续兴趣点（POI）推荐问题，研究人员提出了一种基于用户级注意力的动态UTeSp模型。该模型采取了以下关键策略来提升性能：
- 缓解数据稀疏性 ：利用多种交互的协同影响来构建模型。
- 满足个性化需求 ：设计了新的用户兴趣偏好和有效的TDP_HC算法。
- 高效学习模型 ：提出两种可解释的个性化模型学习方法。

实验结果表明：
1. UTeSp模型在性能上明显优于其他主流的连续推荐模型。
2. 多种信息的交互可以提升连续POI推荐模型的性能。

未来，研究人员计划利用来自文本内容、视觉图像和物品多样性等多视角的有效信息，在图神经网络中进一步研究连续POI推荐问题。

化学XAI系统助力化合物空间发现

在化学领域，开发具有目标生物活性的新化合物是一项成本高昂且耗时的任务。平均而言，每成功开发一种化合物，需要准备约10,000个候选物。因此，在实际合成、优化和评估之前，高效地发现初始