近日，我校袁冬梅、徐春波老师联合山东科技大学计算机科学与工程学院研究团队完成的智慧旅游跨领域推荐系统相关研究论文，正式在线发表于爱思唯尔旗下人工智能领域国际权威SCI期刊《Expert Systems with Applications》（中科院一区TOP期刊）。潍坊学院袁冬梅老师为论文第一作者，徐春波老师为通讯作者。

随着智慧旅游行业快速发展，游客在酒店、餐饮、景点等多领域产生的行为数据呈现高度碎片化特征。现有跨域图推荐模型普遍面临两大技术瓶颈：一是跨域噪声传播问题，深层图卷积操作会放大各领域特有的噪声信号；二是知识迁移过程中各旅游领域独有的行为特征容易被稀释，导致推荐结果难以精准贴合游客偏好。针对上述行业难题，团队创新性提出基于提示学习的跨域图蒸馏网络PC-GDN（Prompt-based Cross-domain Graph Distillation Network）模型，构建三层协同架构破解技术瓶颈：一是单域图纯化网络，依托图注意力机制分领域学习纯净的用户与景点表征，从源头隔绝跨域噪声污染；二是轻量化提示生成网络，采用单层图卷积生成领域专属提示向量，有效规避深层图卷积带来的噪声累积问题；三是提示增强双向知识蒸馏框架，通过KL散度实现酒店、餐饮等互补旅游领域间的双向知识互通，在知识迁移全过程保留各领域独特的行为特征。

团队基于Foursquare-TKY、Yelp-POI两套真实旅游数据集开展完备对比实验，PC-GDN与11种主流前沿推荐算法进行系统评测。结果显示，该模型在MRR、Recall、NDCG三项核心排序指标上均取得最优性能，相较当前最优方法（State-of-the-art）实现了显著且一致的性能提升；同时模型参数量更少、训练耗时更短，轻量化特性更适配文旅平台的线上部署需求。

本次研究打破旅游管理与人工智能专业壁垒，融合文旅行业需求与图神经网络、提示学习算法，创新提出跨域图蒸馏网络模型，有效解决智慧旅游个性化推荐难题。本次跨校、跨学科合作成果，充分展现我校文旅数字化交叉研究的创新实力，为区域智慧文旅产业升级提供全新技术方案。

【作者：翟兴龙      审核：卢飞        编辑：张灏    责编：蔡月梅    终审：李庆军】