王乐同学关于行为驱动的推荐模型设计文章“Behavior-Driven Model Design: A Deep Learning Recommendation Model Jointing Users and Products Reviews”和基于强化学习的旅游路线规划文章“An Intelligent Customization Framework for Tourist Trip Design Problems”于2022年9月30被International Conference on Information Systems 2022 (ICIS 2022)录用。国际信息系统会议（International Conference on Information Systems，简称ICIS）是信息系统学科的国际排名第一的顶级学术会议。

简介一：数据驱动被广泛提及，但数据源于用户行为生成。我们的工作旨在利用行为驱动的设计模式来提高推荐系统的准确性。在用户评分行为和人类认知能力的驱动下，我们提出了一种连接用户和产品评论的深度学习推荐模型(DLRM-UPR)，以自适应地学习用户偏好和产品特征。考虑到每个用户-产品-上下文对之间的交互，DLRM-UPR由单词、文本和上下文三层共同注意层组成。通过真实数据集的大量实验表明，DLRM-UPR优于现有的模型。

简介二：在体验经济时代，“定制游”和“自助游”成为主流。本文利用深度强化学习(DRL)和文本分析技术，提出了解决旅游出行设计问题(TTDP)的端到端框架。该方法在实际应用中考虑了游客偏好的异质性、定制需求和随机交通时间。与启发式方法相比，我们的方法无需对每个新的问题实例进行重新训练，当问题约束发生轻微变化时，它可以自动适应解决方案。本研究不仅为网站或用户提供更容易解决TTDP的软件工具，同时还能促进智慧旅游和定制旅游的发展。