"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

3240 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。