第九期“AI未来说·青年学术论坛”带你了解个性化内容推荐

640?wx_fmt=jpeg

第九期“AI未来说·青年学术论坛”带你了解个性化内容推荐_第1张图片

2019年9月22日下午,“AI未来说·青年学术论坛”第九期个性化内容推荐专场,在中国科学院大学中关村校区3号教学楼S101教室举行。

“AI未来说·青年学术论坛”系列讲座由中国科学院大学主办,百度全力支持,读芯术、PaperWeekly作为合作自媒体。承办单位为中国科学院大学学生会,协办单位为中国科学院计算所研究生会、中国科学院计算机网络中心研究生会、中国科学院数学与系统科学研究院研究生会、人工智能学院学生会、化学工程学院学生会、公共政策与管理学院学生会、微电子学院学生会。

个性化推荐是根据用户的兴趣、特点、行为,向用户推荐其感兴趣的内容的一种互联网技术。随着移动互联网的快速发展,互联网内容的生产和需求量日益增大,互联网用户的需求也日趋个性化,个性化内容推荐技术应运而生。目前,国内外个性化推荐服务的互联网产品层出不穷,极大地满足了用户个性化需求。

第九期“AI未来说·青年学术论坛”带你了解个性化内容推荐_第2张图片

高随祥老师致开幕词

新学期开学伊始,中国科学院大学党委副书记、纪委书记高随祥老师出席了本期论坛的活动,并致开幕词,高随祥老师介绍了本次论坛的报名情况,对参加本期论坛的学子寄以了深切的期盼和美好的祝愿。参加报告分享和大咖panel环节的嘉宾有来自百度的赵世奇老师、李双龙老师和辜斯缪老师,中国科学院自动化研究所的赵军老师,中国人民大学信息学院的赵鑫老师。

第九期“AI未来说·青年学术论坛”带你了解个性化内容推荐_第3张图片

赵世奇老师作“百度信息流产品介绍”的报告分享

百度公司高级总监,百度搜索算法部、信息流推荐技术平台部、互联网数据研发部负责人,赵世奇老师报告的主要内容包括百度推荐技术诞生背景、百度个性化推荐技术发展现状和百度信息流推荐系统详解、个性化推荐技术发展挑战四个部分。 报告以互联网的发展历史回顾开场,移动互联网高速发展、数字经济的加速崛起,使得互联网数据呈爆炸式增长,最终导致现象级个性化互联网产品不断涌现。 其次,他介绍了百度信息流产品的产品形态和基本技术框架。 据介绍,百度信息流推荐系统包括用户模型、内容模型、场景模型和推荐模型,以及支撑底层的基础技术。 此外,赵世奇老师还对接下来四位嘉宾的报告内容进行了简要介绍。

第九期“AI未来说·青年学术论坛”带你了解个性化内容推荐_第4张图片

李双龙老师作“百度信息流推荐技术”的报告分享

作为百度技术平台部杰出架构师,李双龙老师报告的主要内容包括百度Feed推荐系统框架、用户模型和场景模型、内容模型、推荐模型等各模型的详细介绍以及技术展望五个部分。 发言中,李双龙老师详细介绍了Feed推荐算法框架下的用户模型、场景模型、内容模型、推荐模型、底层AI技术五大部分。 作为推荐系统的核心,李双龙老师介绍了百度推荐系统中召回、排序、序列最优化三层漏斗推荐系统结构,如在召回技术中,百度推荐系统已实现了混合召回技术——content-based召回、基于协同过滤(CF)的推荐召回算法(memory-based CF和model-based CF)以及基于热度的召回技术等。 据介绍,在排序方面,百度在推荐系统中设计实现了两层排序结构: 高性能的粗排技术和高精度的精排技术。 而针对推荐系统的两大顽疾(新用户冷启和老用户茧房),百度实现了三类兴趣点探索方法,包括基于用户模型的兴趣点探索、基于query的兴趣点探索和基于全网时下流行的兴趣点探索。 此外,他还在长期收益建模,异构资源多目标预估和融合、冷启和探索、多模态和语义知识的引入、篇章级内容理解和视频语义理解与生成等方向,对推荐技术的未来进行了展望。

第九期“AI未来说·青年学术论坛”带你了解个性化内容推荐_第5张图片

赵军老师作“知识图谱关键技术及其在推荐系统中的应用”的报告分享

作为中国科学院自动化研究所模式识别国家重点实验室研究员,博士生导师,中国科学院大学人工智能学院岗位教授,赵军老师报告的主要内容包括推荐系统产生的背景、推荐系统的主要方法、知识图谱的相关概念、知识图谱在推荐系统中的应用四个部分。 赵军老师首先介绍了大数据时代所面临的信息过载问题,其使人们淹没在数据海洋中,信息无法得到有效利用,而推荐系统可以有效地解决这一难题。 然后,介绍了传统推荐系统的主要方法: 1)基于内容的推荐系统; 2)基于协同过滤的推荐系统; 3)混合式推荐系统。 接着介绍了推荐系统的主要问题与挑战: 1)数据稀疏; 2)不可解释; 3)(用户)冷启动; 4)(物品)冷启动,为解决这些难题,进而介绍了知识图谱辅助推荐系统: 1)知识图谱人-物之间的多维度稠密关联可用于解决数据稀疏问题; 2)丰富的用户画像,充分的物品描述可用于解决冷启动问题; 3)多维度远距离关联可用于解决不可解释问题。 引入知识图谱之后,赵军老师先介绍了知识图谱的发展历程、概念起源、基本概念、示例应用和语义网络知识描述语言体系,接着又详细介绍了融合知识的推荐系统、推荐系统中的知识图谱利用类型、典型系统以及推荐系统的研究方向。 最后,赵军老师对报告进行了总结。

第九期“AI未来说·青年学术论坛”带你了解个性化内容推荐_第6张图片

辜斯缪老师作“异构内容推荐技术和推荐中台化”的报告分享

百度推荐技术平台部杰出架构师辜斯缪老师报告的主要内容包括:推荐系统的新挑战、多目标融合设计思路、多场景的技术挑战和系统设计四个方面。辜斯缪老师首先介绍了推荐系统的新挑战:如何在异构多资源和更丰富的差异化场景下做推荐系统。其中包括:(1)如何更好观测和建模“用户是否满意”的信号;(2)处理多目标融合时候的多种技术流派和解决思路;(3)多个差异化场景下,我们如何更好的做推荐系统,同时兼顾信息的隔离和共享。

第九期“AI未来说·青年学术论坛”带你了解个性化内容推荐_第7张图片

赵鑫老师作“基于知识与推理的序列化推荐技术研究”的报告分享

作为中国人民大学信息学院副教授,博士生导师,赵鑫老师报告的主要内容包括序列推荐系统的概览、使用知识库连接推荐系统、基于属性记忆网络的知识整合、基于分类记忆网络的知识整合、基于元路径协同注意力网络的知识整合和结论六个部分。赵鑫老师首先讲了序列推荐,用户的采纳行为是一个序列的决策过程,包括next-basket和next-item的推荐,然后介绍了序列推荐的方法,包括经典方法和主流方法,其中,经典的方法包括基于频率的马尔可夫模型和基于频率的个性化马尔可夫模型,主流方法包括个性化推荐的层级RNN方法、基于注意力机制的RNN模型。以上下文的重要性引出了能够刻画上下文的推荐,其主要方法包括因子分解机(Factorization Machine,FM)、具有上下文意识的RNN模型。紧接着介绍了基于属性记忆网络的知识整合、基于分类记忆网络的知识整合和基于元路径的协同注意力网络的知识整合,在讲解的过程中,先讲解了现有工作存在的问题,然后介绍了自己针对这些问题所做的改进的工作。最后,赵鑫老师对所做的报告进行了总结。

第九期“AI未来说·青年学术论坛”带你了解个性化内容推荐_第8张图片

大咖pa nel说环节(从左至右依次为赵世奇老师、李双龙老师、赵军老师、辜斯缪老师和赵鑫老师)

panel环节主要围绕着信息茧房、知识图谱还有哪些潜力可以发挥更大的价值、推荐系统在研究和产品上有哪些可挖掘的矿、学术界和工业界如何更好地合作、如何申请到企业实习以及如何保护隐私等问题展开了讨论。

“AI未来说·青年学术论坛”系列讲座以贯彻落实国家人工智能发展规划和推动我国人工智能技术水平进步为目标,通过邀请业界专家、青年学者和优秀学生介绍领域前沿技术成果和分享教学、科研和产业化经验,促进产、学、研结合,助力我国人工智能的蓬勃发展。

 

640?wx_fmt=jpeg

AI未来说*青年学术论坛

第一期 数据挖掘专场

1. 李国杰院士:理性认识人工智能的“头雁”作用

2. 百度熊辉教授:大数据智能化人才管理

3. 清华唐杰教授:网络表示学习理论及应用

4. 瑞莱智慧刘强博士:深度学习时代的个性化推荐

5. 清华柴成亮博士:基于人机协作的数据管理

第二期 自然语言处理专场

1中科院张家俊:面向自然语言生成的同步双向推断模型

2. 北邮李蕾:关于自动文本摘要的分析与讨论

3. 百度孙珂:对话技术的产业化应用与问题探讨

4. 阿里谭继伟:基于序列到序列模型的文本摘要及淘宝的实践

5. 哈工大刘一佳:通过句法分析看上下文相关词向量

第三期 计算机视觉专场

1. 北大彭宇新:跨媒体智能分析与应用

2. 清华鲁继文:深度强化学习与视觉内容理解

3. 百度李颖超:百度增强现实技术及应⽤

4. 中科院张士峰:基于深度学习的通用物体检测算法对比探索

5. 港中文李弘扬 :物体检测最新进展

第四期 语音技术专场

1. 

2. 

3. 

4. 

5. 

第五期 量子计算专场

1. 

2. 

3. 

4. 

5. 

第六期 机器学习专场

1. 中科院张文生:健康医疗大数据时代的认知计算

2. 中科院庄福振:基于知识共享的机器学习算法研究及应用

3. 百度胡晓光:飞桨(PaddlePaddle)核心技术与应用实践

4. 清华大学王奕森:Adversarial Machine Learning: Attack and Defence

5. 南京大学赵申宜:SCOPE - Scalable Composite Optimization for Learning

第七期 自动驾驶专场

1. 北京大学查红彬:基于数据流处理的SLAM技术

2. 清华大学邓志东:自动驾驶的“感”与“知” - 挑战与机遇

3. 百度朱帆:开放时代的自动驾驶 - 百度Apollo计划

4. 北理宋文杰:时空域下智能车辆未知区域自主导航技术

第八期 深度学习专场

1. 中科院文新:深度学习入门基础与学习资源

2. 中科院陈智能:计算机视觉经典——深度学习与目标检测

3. 中科院付鹏:深度学习与机器阅读

640?wx_fmt=jpeg

留言 点赞 发个朋友圈

我们一起分享AI学习与发展的干货

推荐文章阅读

ACL2018论文集50篇解读

EMNLP2017论文集28篇论文解读

2018年AI三大顶会中国学术成果全链接

ACL2017 论文集:34篇解读干货全在这里

10篇AAAI2017经典论文回顾

长按识别二维码可添加关注

读芯君爱你

你可能感兴趣的:(第九期“AI未来说·青年学术论坛”带你了解个性化内容推荐)