<p><span style="font-size: 16px;">报告人学术简介<br>&nbsp; 李博涵，南京航空航天大学人工智能学院副教授。研究领域为数据库，知识图谱等。获得国防科技进步二等奖，航空学会技术发明二等奖。WSDM2023最佳论文（提名），DASFAA2025最佳学生论文，APWeb-WAIM2025最佳工业论文。主持国家自然科学基金，江苏省自然科学基金，CCF-华为数据库创新研究计划，美国福特URP等，参与国家重点研发，“十四五”民用航天重点项目等。CCF杰出会员，数据库，信息系统等专委会执委。<br>报告内容<br>&nbsp; 针对推荐系统与检索增强生成（RAG）中的心挑战，提出了两类知识引导的创新方法。在多行为推荐领域，针对用户行为多样性和目标行为数据稀疏问题，提出KMCLR模型。该模型通过多行为学习模块编码聚合行为信息，利用对比学习捕捉行为间共性与用户差异；同时引入知识图谱增强模块，结合TransR与TATEC构建多视图进行对比学习，最终通过联合训练优化。在多源RAG领域，为应对异构数据源冲突与信息冗余，提出融合数据融合与LLM的框架：通过LLM提取结构化知识构建多源线图以提升检索召回率，并设计图级互信息与节点级权威评分相结合的多级置信度计算方法。研究证实，知识引导可有效提升推荐精度与RAG可靠性，为AI赋能数据库与推荐系统提供了新思路。</span></p>