SIGIR 2025 (The 48th International ACM SIGIR Conference on Research and Development in Information Retrieval) 公布论文录用通知，团队的学习路径智能推荐论文成果被顺利录用。SIGIR由国际计算机协会主办，是信息检索与数据挖掘领域的国际顶级学术会议，也是中国计算机学会（CCF）推荐的A类学术会议。论文接收为长文，SIGIR 2025 Full Papers track (21.5% acceptance rate)。

论文题目：NR4DER: Neural Re-ranking for Diversified Exercise Recommendation

论文概述：随着在线教育平台的广泛普及，越来越多的学生通过大规模开放在线课程（MOOCs）获取新知识，习题推荐算法也在提升学生在线学习效果方面取得了重要进展。然而，在线教育仍面临高辍学率及有效适应学生多样化需求的挑战。现有方法往往难以适配不积极学生的学习模式并满足其个性化需求，导致推荐结果的准确性与多样性不足。为此，我们提出NR4DER：一种基于神经重排序的多样化习题推荐方法。该方法通过序列增强的方式强化不积极学生的表征，生成适合学生难度的习题候选列表，并基于该列表运用神经重排序技术生成多样化推荐列表。实验结果表明，NR4DER在多个真实世界数据集上显著优于现有方法，既能有效满足学生多样化学习需求，又能显著提升整体推荐性能。