WWW / The Web Conference

Beyond Words: Enhancing Desire, Emotion, and Sentiment Recognition with Non-Verbal Cues

超越词语：利用非语言线索增强欲望、情感和情感识别

Wei Chen, Tongguan Wang, Feiyue Xue, Junkai Li, Hui Liu, Ying Sha

AI总结 本文提出SyDES框架，通过双向细粒度模态对齐和非语言线索利用，提升多模态欲望、情感和情感识别性能，实验显示在MSED基准上取得新的SOTA成果。

Comments Accepted by WWW 2026

Understanding Strategic Platform Entry and Seller Exploration: A Stackelberg Model

理解战略平台进入与卖家探索：一个Stackelberg模型

Garrett Seo, Xintong Wang, David C. Parkes

AI总结 本文通过Stackelberg模型研究平台进入策略与卖家探索行为，采用Gittins指数政策和深度强化学习分析单多卖家场景下的最优策略及市场影响。

Comments 12 pages, 3 figures, Accepted to The Web Conference (WWW) 2026

Iterative Semantic Reasoning from Individual to Group Interests for Generative Recommendation with LLMs

基于个体到群体利益的迭代语义推理用于LLM生成推荐

Xiaofei Zhu, Jinfei Chen, Feiyang Yuan, Zhou Yang

AI总结 本文提出ISRF框架，通过三次步骤实现从个体到群体的语义推理，提升生成推荐的准确性与全面性。

Comments Accepted at The Web Conference (WWW) 2026

KEPo: Knowledge Evolution Poison on Graph-based Retrieval-Augmented Generation

KEPo：基于图的检索增强生成中的知识演化毒化

Qizhi Chen, Chao Qi, Yihong Huang, Muquan Li, Rongzheng Wang, Dongyang Zhang, Ke Qin, Shuang Liang

AI总结 本文提出KEPo攻击方法，针对图检索增强生成系统，通过演化知识路径注入毒化信息，提升攻击效果，实验显示其在单目标和多目标攻击中均表现优异。

Comments Accepted in the ACM Web Conference 2026 (WWW 2026)

Node Role-Guided LLMs for Dynamic Graph Clustering

基于节点角色的动态图聚类LLM

Dongyuan Li, Ying Zhang, Yaozu Wu, Renhe Jiang

AI总结 本文提出DyG-RoLLM框架，通过可学习原型将连续图嵌入映射为离散语义概念，实现动态图聚类的可解释性与鲁棒性。

Comments The paper has been accepted by WWW 2026

PMIScore: An Unsupervised Approach to Quantify Dialogue Engagement

PMIScore: 一种无监督量化对话参与度的方法

Yongkang Guo, Zhihuan Huang, Yuqing Kong

AI总结 本文提出PMIScore，一种无监督方法，通过点互信息量化对话参与度，利用大语言模型生成对话对并训练神经网络，验证了其在合成和真实数据集上的有效性。

Comments 23 pages, 4 figures. Accepted to The Web Conference 2026

VL-KGE: Vision-Language Models Meet Knowledge Graph Embeddings

VL-KGE：视觉-语言模型与知识图谱嵌入的结合

Athanasios Efthymiou, Stevan Rudinac, Monika Kackovic, Nachoem Wijnberg, Marcel Worring

AI总结 本文提出VL-KGE框架，结合视觉-语言模型的跨模态对齐与结构关系建模，提升多模态知识图谱的链接预测性能。

Comments Published in Proceedings of the ACM Web Conference 2026 (WWW '26). This arXiv version includes extended supplementary material

Journal ref In Proceedings of the ACM Web Conference 2026 (WWW '26)

VarParser: Unleashing the Neglected Power of Variables for LLM-based Log Parsing

VarParser: 解锁变量在基于大语言模型的日志解析中的被忽视的力量

Jinrui Sun, Tong Jia, Minghua He, Ying Li

AI总结 VarParser通过变量中心策略提升日志解析效率，减少LLM调用成本，保留变量信息增强结果完整性。

Comments Published as a conference paper in WWW 2026

Modeling Stage-wise Evolution of User Interests for News Recommendation

面向新闻推荐的用户兴趣分阶段演化的建模

Zhiyong Cheng, Yike Jin, Zhijie Zhang, Huilin Chen, Zhangling Duan, Meng Wang

机构 * The School of Computer Science and Information Engineering, Hefei University of Technology（合肥工业大学计算机科学与信息工程学院） ； Institute of Artificial intelligence, Hefei Comprehensive National Science Center（合肥综合性国家科学中心人工智能研究院） 纠错

AI总结 本文提出统一框架，通过全局和局部时间视角建模用户兴趣的分阶段演化，以提升新闻推荐的时效性和相关性。

Comments ACM Web Conference 2026 Accepted

Journal ref Proceedings of the ACM Web Conference 2026 (WWW '26), April 13--17, 2026, Dubai, United Arab Emirates

From Representation to Clusters: A Contrastive Learning Approach for Attributed Hypergraph Clustering

从表示到聚类：一种面向属性超图聚类的对比学习方法

Li Ni, Shuaikang Zeng, Lin Mu, Longlong Lin

AI总结 本文提出了一种端到端的对比学习方法CAHC，用于属性超图聚类，通过联合嵌入和聚类优化实现节点嵌入学习与聚类结果的同步生成。

Comments Accepted at The Web Conference 2026. 12 pages, 5 figures

Dynamic Multi-period Experts for Online Time Series Forecasting

动态多时期专家用于在线时间序列预测

Seungha Hong, Sukang Chae, Suyeon Kim, Sanghwan Jang, Hwanjo Yu

机构 * Pohang University of Science and Technology（浦项科学技术大学） ； Kyungpook National University（庆北国立大学） 纠错

AI总结 DynaME通过动态多时期专家框架有效应对时间序列预测中的重复和新兴漂移，显著优于现有方法。

Comments WWW 2026

Mitigating Homophily Disparity in Graph Anomaly Detection: A Scalable and Adaptive Approach

缓解图异常检测中的同质性差异：一种可扩展和自适应的方法

Yunhui Liu, Qizhuo Xie, Yinfeng Chen, Xudong Jin, Tao Zheng, Bin Chong, Tieke He

机构 * State Key Laboratory for Novel Software Technology（新型软件技术国家重点实验室） ； Nanjing University（南京大学） ； National Engineering Laboratory for Big Data Analysis and Applications（大数据分析与应用国家工程实验室） ； Peking University（北京大学） 纠错

AI总结 SAGAD通过自适应融合和频率偏好指导损失，有效缓解图异常检测中的同质性差异，实现高效且可扩展的异常检测

Comments Accepted by WWW 2026

Broken Access: On the Challenges of Screen Reader Assisted Two-Factor and Passwordless Authentication

断裂访问：关于屏幕阅读器辅助的双因素和无密码认证挑战

Md Mojibur Rahman Redoy Akanda, Ahmed Tanvir Mahdad, Nitesh Saxena

AI总结 本文提出AWARE框架，用于评估屏幕阅读器辅助的双因素和无密码认证的可访问性与安全性，揭示现实场景中的脆弱性。

Comments 13 pages, published in Proceedings of the ACM Web Conference (WWW 2025)

Journal ref Proceedings of the ACM Web Conference 2025 (WWW '25)

XInsight: Integrative Stage-Consistent Psychological Counseling Support Agents for Digital Well-Being

XInsight：集成化阶段一致的心理咨询支持代理用于数字福祉

Fei Wang, Jiangnan Yang, Junjie Chen, Yuxin Liu, Kun Li, Yanyan Wei, Dan Guo, Meng Wang

机构 * Hefei University of Technology（合肥工业大学） ； Institute of Artificial Intelligence, Hefei Comprehensive National Science Center（合肥综合性国家科学中心人工智能研究院） ； Anhui University（安徽大学） ； United Arab Emirates University（阿联酋大学） ； Intelligent Interconnected Systems Laboratory of Anhui Province (HFUT)（安徽省智能互联系统实验室（HFUT）） 纠错

AI总结 XInsight是一种集成化多代理框架，通过阶段一致的工作流程和统一循环，提升网络应用中数字福祉的心理支持效果。

Comments Accepted by WWW 2026

NERdME: a Named Entity Recognition Dataset for Indexing Research Artifacts in Code Repositories

NERdME：一个用于代码仓库中索引研究制品的命名实体识别数据集

Genet Asefa Gesese, Zongxiong Chen, Shufan Jiang, Mary Ann Tan, Zhaotai Liu, Sonja Schimmler, Harald Sack

机构 * Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） ； IRIT, UT, CNRS, Toulouse INP（IRIT、UT、CNRS、图卢兹INP） 纠错

AI总结 NERdME是一个用于代码仓库中研究制品索引的命名实体识别数据集，通过标注README文件中的实体类型，提升学术信息提取的准确性与实用性。

Comments To be published (Accepted at WWW'26)

Not All Candidates are Created Equal: A Heterogeneity-Aware Approach to Pre-ranking in Recommender Systems

并非所有候选人都同等重要：一种考虑异质性的推荐系统预排序方法

Pengfei Tong, Siyuan Chen, Chenwei Zhang, Bo Wang, Qi Pi, Pixun Li, Zuotao Liu

机构 * ByteDance Hangzhou P.R.China（字节跳动杭州中国） ； ByteDance Beijing P.R.China（字节跳动北京中国） ； ByteDance Shenzhen P.R.China（字节跳动深圳中国） ； ByteDance Shanghai P.R.China（字节跳动上海中国） 纠错

AI总结 本文提出HAP方法，通过冲突敏感采样和定制化损失设计，解决推荐系统预排序中的异质性问题，提升效果并降低计算成本。

Comments Accepted by WWW'26

Single-Sample Bilateral Trade with a Broker

单样本双边交易与经纪人

MohammadTaghi Hajiaghayi, Gary Peng, Suho Shin

AI总结 本文研究了单样本双边交易中经纪人的影响，提出机制在标准假设下实现对最优交易收益和社会福利的常数因子近似，并与无经纪人的结果形成对比。

Comments Appeared in WWW'26

Quantifying User Coherence: A Unified Framework for Analyzing Recommender Systems Across Domains

量化用户一致性：一种跨领域的推荐系统分析统一框架

Michaël Soumm, Alexandre Fournier-Montgieux, Adrian Popescu, Bertrand Delezoide

机构 * Télécom Paris Palaiseau（巴黎电信学院Palaiseau分校） ； CEA List（法国原子能委员会列表） 纠错

AI总结 本文提出两种信息论度量，用于量化用户一致性，通过分析推荐系统性能差异，为系统设计和评估提供实用工具。

Comments Accepted at The Web Conference (WWW 2026)

S2CDR: Smoothing-Sharpening Process Model for Cross-Domain Recommendation

S2CDR：跨域推荐中的平滑-锐化过程模型

Xiaodong Li, Juwei Yue, Xinghua Zhang, Jiawei Sheng, Wenyuan Zhang, Taoyu Su, Zefeng Zhang, Tingwen Liu

AI总结 S2CDR通过平滑-锐化过程模型解决跨域推荐中的用户冷启动问题，利用图信号处理理论提升跨域推荐效果。

Comments This paper is accepted by WWW'2026

AlphaFree: Recommendation Free from Users, IDs, and GNNs

AlphaFree：无用户、ID和GNN的推荐系统

Minseo Jeon, Junwoo Jung, Daewon Gwak, Jinhong Jung

机构 * Soongsil University（顺斯大学） 纠错

AI总结 AlphaFree提出了一种不依赖用户、ID和GNN的推荐方法，通过语义表示替代ID，无需用户嵌入和GNN，实现高效推荐。

Comments 13 pages, The Web Conference (WWW) 2026

Toward Graph-Tokenizing Large Language Models with Reconstructive Graph Instruction Tuning

迈向通过重构图指令微调的大型语言模型的图-词化

Zhongjian Zhang, Xiao Wang, Mengmei Zhang, Jiarui Tan, Chuan Shi

机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Beihang University（北航） 纠错

AI总结 本文提出RGLM方法，通过重构图信息和显式图监督改进图-词化LLMs的对齐效果，提升对图结构的理解与利用。

Comments accepted by WWW 2026

Can Thinking Models Think to Detect Hateful Memes?

思考模型能否通过思考来检测仇恨言论？

Mohamed Bayan Kmainasi, Mucahid Kutlu, Ali Ezzat Shahroor, Abul Hasnat, Firoj Alam

机构 * Qatar University（卡塔尔大学） ； Qatar Computing Research Institute（卡塔尔计算研究中心） 纠错

AI总结 本文提出基于强化学习的后训练框架，通过任务特定奖励和GRPO目标提升基于思考的多模态模型在检测仇恨言论中的推理能力，实验表明在准确性、F1值和解释质量上均有显著提升。

Journal ref In Companion Proceedings of the ACM Web Conference 2026 (WWW Companion 26), April 13-17, 2026, Dubai, United Arab Emirates

Egocentric Co-Pilot: Web-Native Smart-Glasses Agents for Assistive Egocentric AI

第一人称共驾：面向辅助第一人称AI的网页原生智能眼镜代理

Sicheng Yang, Yukai Huang, Weitong Cai, Shitong Sun, Fengyi Fang, You He, Yiqiao Xie, Jiankang Deng, Hang Zhang, Jifei Song, Zhensong Zhang

机构 * Shenzhen International Graduate School Tsinghua University Shenzhen China（深圳国际研究生院清华大学深圳中国） ； Independent Researcher London United Kingdom（独立研究者伦敦英国） ； Queen Mary University of London London United Kingdom（女王玛丽大学伦敦英国） ； Imperial College London London United Kingdom（帝国理工学院伦敦英国） ； University Of Surrey Guildford United Kingdom（Surrey大学Guildford英国） 纠错

AI总结 Egocentric Co-Pilot通过网页原生智能眼镜代理实现第一人称AI的持续辅助，结合神经符号框架和多模态意图层，展示了在日常生活中提升可及性和情境感知的实用路径。

Comments 14 pages, 6 figures, WWW 2026

Adaptive Location Hierarchy Learning for Long-Tailed Mobility Prediction

自适应位置层级学习用于长尾移动预测

Yu Wang, Junshu Dai, Yuchen Ying, Hanyang Yuan, Zunlei Feng, Tongya Zheng, Mingli Song

机构 * Zhejiang University（浙江大学） ； Hangzhou City University（杭州市大学） 纠错

AI总结 ALOHA通过自适应层级学习缓解长尾移动预测偏差，提升多种模型的预测性能达16.59%。

Comments Accepted by WWW 2026

Beyond the Flat Sequence: Hierarchical and Preference-Aware Generative Recommendations

超越平面序列：层次化和偏好感知的生成推荐

Zerui Chen, Heng Chang, Tianying Liu, Chuantian Zhou, Yi Cao, Jiandong Ding, Ming Liu, Bing Qin

AI总结 HPGR通过层次化和偏好感知的生成推荐框架，解决长用户序列建模中的时序层次和计算效率问题，提升推荐质量。

Comments Accepted to the ACM Web Conference 2026 (WWW '26). 9 pages, 9 figures. Zerui Chen and Heng Chang contributed equally to this work

Journal ref Proceedings of the ACM Web Conference 2026 (WWW '26), April 13-17, 2026, Dubai, United Arab Emirates

Heterophily-Agnostic Hypergraph Neural Networks with Riemannian Local Exchanger

无异质性偏见的超图神经网络与黎曼局部交换器

Li Sun, Ming Zhang, Wenxin Jin, Zhongtian Sun, Zhenhao Huang, Hao Peng, Sen Su, Philip Yu

机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； North China Electric Power University（华北电力大学） ； University of Kent（肯特大学） ； Beihang University（北航） ； University of Illinois（伊利诺伊大学） 纠错

AI总结 本文提出HealHGNN，通过黎曼几何和自适应局部交换器实现异质性无关的超图神经网络，提升长距离依赖建模和表示区分性。

Comments Accepted by WWW'26, 12 pages

Trinity: A Scenario-Aware Recommendation Framework for Large-Scale Cold-Start Users

Trinity：一种面向大规模冷启动用户的场景感知推荐框架

Wenhao Zheng, Wang Lu, Fangshuang Tang, Yiyang Lu, Jun Yang, Pengcheng Xiong, Yulan Yan

机构 * Mircosoft Corp（微软公司） 纠错

AI总结 Trinity通过整合特征工程、模型架构和稳定更新，提升大规模冷启动用户在新场景中的推荐效果。

Journal ref WWW 2026

Multimodal-enhanced Federated Recommendation: A Group-wise Fusion Approach

多模态增强的联邦推荐：一种组级融合方法

Chunxu Zhang, Weipeng Zhang, Guodong Long, Zhiheng Xue, Riting Xia, Bo Yang

AI总结 本文提出了一种多模态增强的联邦推荐方法，通过组级融合机制提升推荐系统在多模态特征整合方面的性能。

Comments Accepted at WWW 2026

LEDA: Latent Semantic Distribution Alignment for Multi-domain Graph Pre-training

LEDA：用于多领域图预训练的潜在语义分布对齐

Lianze Shan, Jitao Zhao, Dongxiao He, Siqi Liu, Jiaxu Cui, Weixiong Zhang

机构 * Tianjin University（天津大学） ； Jilin University（吉林大学） ； The Hong Kong Polytechnic University（香港理工大学） 纠错

AI总结 LEDA通过潜在语义分布对齐方法，提升多领域图预训练的通用性和跨领域性能。

Comments Accepted by WWW-26, 12 pages, 2 figures

AHBid: An Adaptable Hierarchical Bidding Framework for Cross-Channel Advertising

AHBid: 一种适用于跨渠道广告的可适应分层竞价框架

Xinxin Yang, Yangyang Tang, Yikun Zhou, Yaolei Liu, Yun Li, Bo Yang

机构 * OPPO Shenzhen Guangdong China（OPPO深圳广东中国） 纠错

AI总结 AHBid通过整合生成规划与实时控制，提升跨渠道广告竞价的适应性和效率，实验显示其投资回报率提升了13.57%。

Comments 11 pages, 6 figures, accepted by WWW'2026