日前，计算学部董祥军教授团队在国际知名期刊《IEEE Transactions on Neural Networks and Learning Systems》和《Expert Systems with Applications》上连续发表多篇论文，论文第一作者均为团队硕士研究生，齐鲁工业大学（山东省科学院）计算机科学与技术学部为第一单位。

《IEEE Transactions on Neural Networks and Learning Systems》和《Expert Systems with Applications》在计算机、人工智能、大数据领域具有极高声誉，影响因子分别为14.255和8.665。

论文1： Xinming Gao, Yongshun Gong, Tiantian Xu, Jinhu Lu, Yuanhai Zhao, Xiangjun Dong*. Towards to Better Structure and Looser Constraint to Mine Negative Sequential Patterns. IEEE Transactions on Neural Networks and Learning Systems, 2022. 

该文针对现有负序列模式挖掘算法中的不足，提出了一种改进的负序列模式挖掘算法sc-NSP来挖掘更多有用的负序列模式。首先，将PrefixSpan算法的数组结构改成位图结构，节省了空间消耗。其次，放宽了频繁约束，更换了负候选序列生成方法，以获得更多有趣的负序列模式。再次，设计了一种新的剪枝策略，以减少sc-NSP的计算复杂度。最后，利用位操作获得负候选序列的支持度。理论和实验分析表明sc-NSP算法在稠密数据集上的表现出色。

论文2：Ping Qiu, Yongshun Gong, Yuhai Zhao, Longbing Cao, Chengqi Zhang, and Xiangjun Dong*. An Efficient Method for Modeling Non-occurring Behaviors by Negative Sequential Patterns with Loose Constraints. IEEE Transactions on Neural Networks and Learning Systems, 2022.

序列分析是预测模型中数据预处理的重要组成部分。负序列模式挖掘能够同时考虑频繁发生和非频繁发生的事件而被广泛关注。该论文提出了一有效的基于宽松约束的负序列模式挖掘算法。相较于传统算法基于元素的缺失，该算法立足于项的缺失，使其更接近实际的事件形态，提高了模型的准确率。另外，该算法给出了一种快速计算负序列支持度的有效方法，提高了应用模型的效率。

论文3： Yanyu Hu, Long Zhao*, Zhao Li, Xiangjun Dong*, Tiantian Xu, Yuhai Zhao. Classifying the multi-omics data of gastric cancer using a deep feature selection method, Expert Systems with Applications, 2022.

生物组学数据因包含全人类基因组信息被广泛应用于癌症预测领域。整合多组学数据进一步克服了单组学数据信息量不足问题而受到广泛关注。该论文提出了一个新的深度特征选择算法，该算法包含了一个神经网络模型，大大降低了多组学数据的分类精度。另外，该模型利用其特征选择功能选择出具有识别意义的基因，对尽早识别癌症具有重要意义。

论文4： Tianwei Zhang, Chuanhou Sun, Zhiyong Cheng*, Xiangjun Dong*. AENAR: An aspect-aware explainable neural attentional recommender model for rating predication, Expert Systems with Applications, 2022.

信息的大量增长，提高了可解释推荐系统的实用价值。该论文提出了一个方面级的深度网络注意力推荐模型，通过捕获用户对不同商品不同方面的关注来实现智能预测和推荐。此外，设计的注意网络允许突出显示文本评论中的关键信息，这些信息反映了用户对于商品不同方面的偏好，提高了推荐系统的可解释性。

据悉，董祥军教授已有3名研究生的论文生获得“山东省优秀硕士论文”，他本人也获得了2021年度的“山东省优秀研究生指导教师”和校（院）2022年首届研究生心目中的“最美导师”称号。