SMP 2017 推荐系统论坛


论坛概况

论坛时间:2017年9月17日下午 16:00-18:00

论坛简介:推荐系统在金融、电商、零售、社交媒体等领域有着广泛的应用。近年来,人工智能在语音识别、计算机视觉、自然语言处理等领域取得了重大的突破,但在推荐系统领域的研究与应用仍处于早期阶段。本论坛邀请了多位推荐系统领域的学者,共同分享他们在这个领域的最新研究成果,以及对推荐系统未来的思考。论坛内容包括:融合用户上下文的个性化推荐;今日头条的人工智能技术实践;基于循环神经网络的序列推荐;以及冷启动推荐的思考与进展。

论坛主席:谢幸 研究员(微软亚洲研究院)

主席简介:谢幸博士于2001年7月加入微软亚洲研究院,现任社会计算组高级主任研究员,并任中国科技大学兼职博士生导师。他分别于1996年和2001年在中国科技大学获得计算机软件专业学士和博士学位,师从陈国良院士。目前,他的团队在数据挖掘、社会计算和普适计算等领域展开创新性的研究。他在国际会议和学术期刊上发表了200余篇学术论文,共被引用14000余次,并多次在KDD、ICDM等顶级会议上获最佳论文奖。他是ACM、IEEE高级会员和计算机学会杰出会员,多次担任顶级国际会议程序委员会委员和领域主席等职位。他是ACM TIST等多个学术杂志编委。他参与创立了ACM SIGSPATIAL中国分会,并曾担任ACM UbiComp 2011等大会程序委员会共同主席。


论坛嘉宾

清华大学计算机系  张敏  副教授


报告主题:融合用户上下文的个性化推荐
报告摘要:各类电商和社交平台积累了丰富的用户数据,在推荐系统的设计中,如何有效的利用用户信息来提升推荐的精度和用户体验是一个尚待解决的问题。本次报告试图从模型设计和理论探索角度出发,讨论我们在推荐系统中融合用户上下文的思路和最新进展。报告将从三个方面介绍我们利用用户上下文拓展传统推荐方法的尝试,包括如何对社交网络和推荐系统中的隐式反馈进行精细建模,如何利用神经网络和用户社交信息对经典的SVD++ 进行拓展,以及如何将个性化推荐拓展到群组推荐并利用帕累托最优方法来同时确保推荐效益和公平性。
嘉宾简介:张敏, 清华大学计算机科学与技术系副教授,博士生导师。主要研究领域为信息检索、个性化推荐、用户画像与建模、用户行为分析。现任智能技术与系统国家重点实验中心实验室科研副主任、网络与媒体技术教育部-微软重点实验室副主任。在重要的国际期刊和会议上发表多篇学术论文,包括JIR、IJCAI、SIGIR、WWW、CIKM、WSDM等,Google Scholar引用约2500次。已授权专利11项。担任重要国际期刊TOIS编委,国际会议WSDM 2017和AIRS2016程序委员会主席,SIGIR 2018 short paper主席, WWW,SIGIR,CIKM,WSDM等重要国际会议的领域主席或资深审稿人。现任中国中文信息学会理事,中国计算机学会高级会员。http://www.thuir.org/group/~mzhang/


今日头条  曹欢欢  博士


报告主题:今日头条的人工智能技术实践
报告摘要:近几年人工智能技术的发展如火如荼,一个突出的表现就是很多传统行业正在被人工智能技术深刻影响。2012年上线后迅速崛起的明星产品今日头条就是一个用人工智能技术颠覆信息分发行业的经典案例。那么今日头条到底应用了哪些人工智能技术?这些技术是如何提升了用户和内容生产者使用体验的?在这个报告里,我将尝试简要的解答上述问题,希望能给各位业界同仁一些有益的启发。
嘉宾简介:曹欢欢博士,今日头条算法架构师。曹欢欢博士2009年毕业于中国科学技术大学并获得计算机应用技术的博士学位。攻读博士期间,曹欢欢在大规模搜索引擎日志挖掘领域开展了开创性的工作,并因此先后获得KDD08最佳应用论文奖,微软学者奖,中科院院长奖和中国计算机学会(CCF)2010优秀博士论文奖。毕业后曹欢欢博士先后在诺基亚研究中心,一点资讯和糯米网担任高级研究员,核心算法工程师和资深科学家,并于2014年初加盟今日头条。其领导的团队迄今为止对今日头条大部分算法相关业务都有支持,是头条最核心的技术团队之一。


中国科学院自动化研究所  吴书  副研究员


报告主题:基于循环神经网络的序列推荐
报告摘要:随着互联网应用的快速发展,推荐系统逐渐成为了信息检索、数据挖掘等领域中的研究热点。它不仅能提升用户体验,同时也能为应用平台创造更多价值。在广泛存在的序列推荐场景中,传统方法在还存在着一系列的局限性,同时在面对实际应用场景时传统方法常无法建模好其中的关键因素。报告围绕序列推荐中存在的一些主要问题,构建基于循环神经网络的序列推荐模型框架,详细讲述针对情境建模、时序建模提出的策略,介绍如何更为有效的利用时空情境信息、有效建模一般情境和时序情境、把握多行为关系等方面的一系列探索,以期构建更为有效可靠的序列推荐模型。
嘉宾简介:吴书,男,博士,副研究员。CCF高级会员,阿里巴巴访问学者,中国人工智能学会模式识别专委会委员,国家自然科学基金委评议人。2004年毕业于湖南大学获工学学士学位;2007年毕业于厦门大学获工学硕士学位;2012年毕业于加拿大舍布鲁克(Sherbrooke)大学,获计算机科学博士学位。同年加入中科院自动化所模式识别国家重点实验室。主要从事数据挖掘、推荐系统和网络数据理解等研究,在本领域顶级期刊 IEEE TKDE, THMS, PR和会议AAAI, IJCAI, SIGIR, WWW, ICDM, CIKM上发表文章四十余篇。曾获得国家留学基金委公派研究生,国家留学基金委-魁省免高奖,国际会议UIC最佳论文。国家自然科学基金面上项目“融合实体特征和序列信息的用户行为建模方法研究”项目负责人,青年基金“融合实体和交互上下文信息的社会化推荐方法研究”项目负责人,联合基金“面向情报立方体的战略态势解析方法研究”项目子课题负责人,同时主持腾讯、阿里巴巴、九安医疗、启明星辰等合作研究计划。


中国人民大学  赵鑫  博士


报告主题:冷启动推荐的思考与进展
报告摘要:推荐系统已经成为电子商务平台和社交网络平台必不可少的重要功能组件。长期困扰推荐系统的一个问题就是“冷启动推荐”问题。冷启动推荐问题通常包括两种:新用户推荐和新物品推荐。本次报告试图对讲者以及其他学者最近的一些研究进展进行一次梳理和总结,给出对于冷启动推荐的部分解决思路。报告主要涵盖两大块:新物品和新用户推荐。新物品推荐主要介绍最新的一些深度学习的研究进展(非讲者工作),新用户推荐主要介绍基于用户属性的方法与基于物品代表的方法(讲者工作)。
嘉宾简介:赵鑫,北京大学博士,中国人民大学信息学院教师。研究领域为社交数据挖掘和自然语言处理领域,共发表CCF A/B、SCI论文40余篇, Google Scholar引用1500余次。博士期间的研究工作主要集中在社交媒体用户话题兴趣建模研究,同时获得谷歌中国博士奖研金和微软学者称号。其中ECIR’11提出的Twitter-LDA成为短文本主题建模重要基准比较方法之一,单文引用次数近700次。目前主要关注与社会经济紧密相关的商业大数据挖掘,研究用户意图检测、用户画像以及推荐系统,将理论技术运用到实践之中,承担国家自然科学青年基金、北京市自然科学青年基金,入选第二届CCF“青年人才托举计划”。担任多个国际顶级期刊和学术会议评审、AIRS 2016出版主席、SMP 2017领域主席以及NLPCC 2017领域主席。