非獨立同分布的推薦系統研究

報告題目：非獨立同分布的推薦系統研究
    報告時間：2019年4月8日（周一）下午15:20-16:50
    報告地點：機電樓A座407會議室
    報 告 人：操龍兵教授

摘要：
    非獨立同分布學習（non-IID Learning）問題經過近十多年來的集中研究已經在如下領域得以不斷的深入并取得一定的進展：（1）基于非獨立同分布的相似性學習、度量學習、特征工程、表示學習、統計學習與深度學習等的基礎理論與方法，（2）基于非獨立同分布的聚類、分類、行為分析、異常檢測、推薦系統與計算機視覺等的學習任務與應用。在此基礎上，講者結合應用廣泛的推薦系統的研究，提出“非獨立同分布的推薦系統”（non-IID recommender systems）的概念與體系，并介紹近年來在非獨立同分布的推薦系統研究方面的一些進展，涉及在矩陣分解、協同過濾、表示學習、統計學習、深度學習等中學習用戶、產品、用戶-產品的交互、情景/上下文的非獨立同分布性，從而提升現有的推薦系統理論與方法深入理解用戶與產品的可觀測的屬性、耦合關系與特點以及隱式的屬性、耦合關系與特點等的能力，實現更加有效的個性化推薦、下一產品的推薦、基于情景/上下文的推薦、以及大規模與稀疏推薦等，供大家一起探討與批評指正。
    報告人簡介：
    操龍兵教授，在中科院自動化所獲模式識別與智能系統方向博士學位、在悉尼科技大學獲計算科學博士學位，現任悉尼科技大學工程與信息技術學院教授，悉尼科技大學先進分析研究所創始人。他提出并重點研究的問題包括非獨立同分布學習、行為信息學、決策知識發現等，研究興趣還涉及數據挖掘、機器學習、人工智能等領域。在上述方向發表專著5部、論文300余篇。比較早地在國際上推動數據科學與分析學的產、學、研工作，是KDD2015等多個大會主席或程序委員會主席。

歡迎廣大師生積極參加！

                                                   計算機科學與技術學院

                                        2019.4.8