香港珠海学院资讯科学学系欣然宣布，应用人工智能理学硕士（MSAAI）课程 2024-25 学年学生 董文龙 先生共同撰写之研究论文，已正式获刊于国际同侪审查、开放获取（Open Access）且属 Q1 等级之期刊 《Big Data and Cognitive Computing》（ISSN 2504-2289），由 MDPI 出版。
该论文题为 「A Novel Multimodal Hierarchical Large Language Model for Enhancing Image and Text Sequence Recommendations in Item and User Modeling」（中文暂译：〈MHLLM: 透过多模态分层大语言模型增强影像及文字序列以进行项目与使用者推荐建模〉），于 2026 年 7 月 29 日 出版（第 10 卷第 8 期，文章编号 250）。此项研究对人工智能驱动之电子商务推荐系统领域，具有显著之学术贡献。
以严谨修订克服严苛审查
该论文之发表过程，要求学生研究人员付出极大心血。初次投稿后，团队经历了广泛之修订程序，包括补充实验及深度数据分析，以回应审稿人之意见。此等严谨之后续工作——历经多轮审查与修改——充分体现了 MSAAI 课程所培育之学术坚持与研究成熟度。论文最终成功发表，不仅证明该研究之技术价值，更彰显学生应付高影响力国际期刊严苛同侪审查标准之能力。
多模态推荐系统之研究突破
现有电子商务推荐系统通常仅依赖文本或视觉特征进行物品推荐，而传统分层大型语言模型则面临长用户序列运算成本过高、跨模态语义对齐不足等问题。本研究所提出之多模态分层大型语言模型（MHLLM），透过创新之两阶段 V 形架构，将多模态特征建模与用户行为建模解耦，成功克服上述限制。
本研究之核心创新包括：
- 双阶段框架：运用 Item‑LLM 处理文本语义，Item‑CLIP 进行跨模态视觉‑文本特征提取；
- 可学习之动态门控机制，用于自适应融合双模态特征；
- 多阶段训练策略，搭配轻量级特征投影，以解决梯度消失问题并降低运算成本。
实验结果显示，MHLLM 在多数情况下显著优于传统系统，Recall@5 及 NDCG@5 等关键指标提升超过 20%。此外，该模型透过特征快取技术，将 User‑LLM 之重复推理开销减少逾 30%，在推荐准确度与大规模电商部署效率之间取得良好平衡。
刊登于 Q1 级国际期刊
《Big Data and Cognitive Computing》之 2025 年影响因子为 5.3，于「计算机科学：理论与方法」及「计算机科学：资讯系统」领域排名 Q1。该期刊收录于 Scopus、ESCI（Web of Science）、dblp、Inspec 及 Ei Compendex 等数据库，彰显其高学术水准。
MSAAI 课程卓越实力之佐证
香港珠海学院 MSAAI 课程自 2024 年开办以来，已招收逾 80 名优秀学生。课程旨在培养学生人工智能之理论知识与实践技能，涵盖 AI 基础数学、程式设计、AI 理论及前沿机器学习。是次论文发表，继学生先前于国家级期刊及国际会议获接受之研究成果后，再次为课程之学术产出写下重要里程碑。
作者感言 —— 致所有支持与鼓励我们的人
当我们收到《Big Data and Cognitive Computing》编辑部正式接收函时，心中不仅充满喜悦，更有一种深切的释怀感。从最初作为 MSAAI 学生毕业设计（Capstone Project）之构想，到最终论文发表，前后历时近一年——而付出最多心力的，无疑是投稿后一连串密集的修订周期。
当第一轮审稿意见送达时，三位审稿人共提出四十多项建议，涵盖方法学严谨性、实验完整性与讨论深度。坦白说，我们确实感受到巨大压力——但我们明白：「这是追求卓越研究必经之路。」于是我们重新调整实验框架，增加额外对比实验，针对动态门控机制与特征快取策略进行更细致的消融分析，甚至重写了近三分之一的模型训练代码。每一份深夜除错日志、每一版被舍弃的图表草稿，都是我们与审稿人「对话」的见证。
回顾这段历程，我们深刻体会到，学术发表不是「短跑」，而是需要耐心与韧性的「马拉松」。每一次修订都让我们对问题理解更深，对自身研究能力更具信心。我们尤其感谢香港珠海学院提供之运算资源与启发性学术氛围，以及对研究生研究之大力支持。
这篇论文不仅是一项成果，更是我们研究成熟的「成年礼」。它教会我们如何面对批评、如何精益求精、如何在压力下高效协作。我们希望这份经历能激励同侪与后进研究者：优秀的研究值得投入加倍努力，所有汗水终将在纸页上凝结为有价值的知识。
最后，我们期望这项有关多模态分层大型语言模型之工作，能为推荐系统社群带来一些启发，并期待与更多同行交流切磋。
系主任致词
香港珠海学院电脑科学系系主任 卢伟麟 教授表示：「我对 MSAAI 学生的成就感到无比骄傲。此次论文发表不仅证明学生之研究能力，也验证了本系教师所提供之严谨训练与指导。从补充实验到详细分析，修订过程中所展现的投入，正正体现了我们致力培育之学术卓越精神。」
论文连结:
Wen-Long Dong, Richard Tai-Chiu Hsung, Harris Sik-Ho Tsang, Tony Yulin Zhu, and Wai-Lun Lo. 2026. “A Novel Multimodal Hierarchical Large Language Model for Enhancing Image and Text Sequence Recommendations in Item and User Modeling” Big Data and Cognitive Computing 10, no. 8: 250.
DOI: https://doi.org/10.3390/bdcc10080250
研究团队成员
香港珠海学院资讯科学学系
- 董文龙 先生 —— MSAAI 学生（2024-25 学年）
- 卢伟麟 教授 —— 教授，资讯科学学系系主任
- 熊体超 博士 —— 副教授，资讯科学学系
- 朱禹林 博士 —— 助理教授，资讯科学学系
- 曾锡豪 博士 —— 助理教授，资讯科学学系
应用人工智能理学硕士课程 —— 培育未来 AI 专才
香港珠海学院开办之应用人工智能理学硕士课程，旨在传授人工智能领域之理论与实务知识，以及设计与实作技能，以满足瞬息万变科技世界中日益增长之 AI 专业人才需求。课程一大特色在于结合 AI 于创意产业、科学与工程之应用，并设有两个专业分流：「科学与工程」及「媒体与创新应用」。
学生须完成毕业设计作为课程要求之一，在指导教授带领下，应用所学知识解决实际问题。课程采跨学科教学模式，结合资讯科学系与新闻及传播学系之专业与资源，使毕业生具备广泛技能，胜任 AI 软件工程师、机器学习工程师、数据分析师、AI 专案经理等多角化职涯角色。
值得注意的是，基于毕业专题研究成果所发表之论文，展现了课程强劲之研究产出，以及学生对 AI 领域之重要贡献。
董文龙同学感言：「于香港珠海学院修读应用人工智能并顺利取得学位，使我日后深耕灵犀国际有限公司相关业务奠定基础，从专业能力、学术素养与科研思维多面向赋能职涯。其一，系统化深造强化 AI 理论根基，建构完整知识框架，能将技术对接企业情境，提出可落地的智能化解决方案。其二，导师指导与课题研究锻炼学术与科研素养，培养严谨求实、逻辑完整与重视细节的习惯。另在国际化教学中提升跨域协作与团队沟通能力，助力未来技术研发与产品迭代。」
董文龙同学（左二）与学系老师合照
关于香港珠海学院
香港珠海学院创校历史悠久，致力于提供优质的专上教育。应用人工智能理学硕士课程，为学生提供全面的人工智能理论与实践训练，培育符合时代需求的 AI 专业人才。学系将继续努力, 达致 「智珠在握，通博如海」!
本研究所提出的 MHLLM 架构：产品的多模态视觉与文本信息、以及纯文本信息，分别由 Item-CLIP 与 Item-LLM 进行处理；接着透过动态门控机制将特征进行自适应融合；最后，由 User-LLM 根据融合后的多模态物品特征与用户历史行为序列，完成具备用户感知能力的推荐预测。（转载自原论文）
