题 目: 社交推荐算法：从浅层模型向深度模型演化
Social Recommendation: From Shallow Models to Deep Models
报告人：吴 乐 博士
时 间：2018年6月6日（周三）上午9:30
地 点：秀山校区逸夫楼109室
对 象：计算机科学与技术学院教师、研究生及感兴趣的信息学科教师
主办单位：计算机科学与技术学院
报告人简介：
吴乐博士于2015年从中国科学技术大学毕业，2016年起任合肥工业大学计算机与信息学院多媒体所讲师。主要研究领域包括数据挖掘，推荐系统及社交网络。近五年在知名国际期刊（如 IEEE/ACMTrans.）及国际会议（如AAAI、IJCAI、SIGIR、KDD、SDM、ICDM、CIKM等）发表论文二十余篇。获得了2017年微软亚洲研究院铸星学者、2017年中国人工智能学会优秀博士论文奖，SDM 2015最佳论文提名奖，2013年CCML优秀学生论文奖。吴乐博士担任了国际期刊IEEE TKDE、 IEEE TSMC、IEEE TNNLS、ACM TIST、 KAIS、 WWWJ.，国内期刊 FCS、软件学报、计算机应用等的审稿人。
报告主要内容：
By automatically providing personalized items to users,recommender systems play a central role for many information systems toincrease user satisfaction and boost monetization ability. With the popularityof social networks, social recommendation has emerged by utilizing socialstructure among users to further enhance recommendation performance. In thistalk, I will summarize our recent contributions in developing social basedrecommender systems. First, I will introduce the shallow models for socialplatform evolution. Second, I will present the deep models for socialrecommendation, including Collaborative Neural Social Recommendation andAttentive Recurrent Social Recommendation. After that, I would present acontext-aware social recommendation algorithm based on hierarchical attentionmodeling.
推荐系统通过提供个性化服务提升用户满意度及平台变现能力，在信息平台中扮演重要角色。随着社交网络的发展，社交推荐旨在深入挖掘用户社交关系提升推荐效果。本报告将介绍我们研究团队近两年在社交推荐方向的进展。首先，报告将介绍基于浅层模型的社交平台演化算法；其次，报告将介绍基于深度模型的社交推荐算法，包括深度协同社交推荐算法、基于注意力机制的时序递归社交推荐算法；最后，报告针对社交平台的多源异构数据，提出基于多层注意力机制的社交情境感知推荐模型。
