移动智能计算团队的论文“TriMLP: A Foundational MLP-like Architecture for Sequential Recommendation”被ACM TOIS（CCF A）录用。论文的第一作者为计算机科学与技术学院移动智能计算团队数据挖掘组2022级博士研究生姜毅恒，通讯作者为团队内徐原博副教授，指导教师为杨永健教授。

本文提出了一种针对序列推荐任务的基础架构TRIMLP，该架构以最简单的MLP网络实现了优于RNN、CNN和Transformer的推荐性能，同时大幅提高了模型的计算效率。首先，本文发现了MLP内部固有的全连接结构导致了已有的MLP模型与序列推荐任务之间的不兼容性；其次，本文提出了Triangular Mixer，使其能在自回归模式下充分建模序列长短期相关性。本文在12个公开数据集上与目前最先进的序列推荐模型进行了对比，结果表明TRIMLP在带来14.88%推荐性能提升的同时，最多可降低23.73%的推理时间成本。

ACM TOIS全称ACM TRANSACTIONS ON INFORMATION SYSTEMS，是中国计算机学会推荐的A类顶级国际期刊，在数据挖掘领域享有极高的学术声誉。这是吉林大学首篇以第一作者第一单位被ACM TOIS接收的成果。