"AI之夏"学术沙龙系列讲座第3讲:超越基于准确度的推荐算法介绍

3233 views

报告摘要

近年来,推荐系统在各大互联网站的应用如火如荼。在过去,人们往往追求推荐的准确度,即更好地匹配用户兴趣和候选商品。然而随着时代的发展,人们对于可解释性,公平性和算法稳健型等方面的问题愈加关注。本次报告将结合报告人过往的研究经历,和大家一起分享讨论基于准确度之外的推荐算法研究。具体来讲,报告人将首先概括的介绍过往的研究图谱,其次,报告人将从解释性,公平性两个方面举例介绍自己的过往的研究工作。

主讲人信息

陈旭

准聘助理教授
陈旭,博士毕业于清华大学,博士期间曾在佐治亚理工学院进行交流访问,博士毕业后曾在英国伦敦大学学院担任博士后研究员。于2020年加入中国人民大学,任助理教授。其主要研究方向为推荐系统,强化学习,因果推断等。曾在SIGIR、TOIS、WWW、WSDM、CIKM、AAAI等信息检索领域顶级会议和期刊发表论文40余篇。Google Scholar引用2500余次。曾获得The Web Conference 2018 最佳论文提名奖、AIRS 2017 最佳论文奖。陈旭曾担任SIGIR、WWW、NIPS,ICML,ICLR,IJCAI、AAAI、CIKM等会议的程序委员会委员,以及TOIS、TKDE、TIST、JMLR等杂志的审稿人。