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。论文的第一作者为太阳成集团tyc4633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。