HOFA：基于对比学习的高阶特征对齐社交推荐
HOFA通过对比学习实现高阶特征对齐，以缓解社交推荐中的稀疏性与冷启动问题。 针对高阶社交特征利用不足、特征均匀性缺失与去相关不充分三个问题，提出相应特征对齐机制。
超越元路径：异构信息网络的统一代数签名ASHIN
该文提出ASHIN，一种用于异构信息网络的统一代数签名方法，意在超越元路径。 文献类型为期刊资讯，仅列出刊期与作者信息，未说明模型构建与实验方案。
多模态深度学习与数据挖掘框架用于社交媒体虚假信息早期检测
提出一个融合多模态深度学习与数据挖掘的框架，用于社交媒体网络虚假信息的早期检测。 针对传统机器学习依赖手工特征与分类器、难以分析多模态内容的不足，构建多模态检测框架。
QESM：动态融合与纠缠测量的量子启发多模态情感识别网络
提出量子启发的QESM网络，用于多模态情感识别任务。 该网络结合动态融合与纠缠测量机制，具体实现细节见原文。
RGIDRec：面向序列推荐中目标感知信息发现的目标条件意图扩散模型
提出RGIDRec，一种目标条件意图扩散方法，用于序列推荐中的目标感知信息发现。 该文为期刊资讯条目，仅列出刊期与作者信息，未提供模型结构、数据集或对比基线等细节。
