報告時間：2022年6月7日（星期二） 15:00-17:00
報告地點：管理學院一號樓1502會議室
報 告 人：馮福利 教授
工作單位：中國科學技術大學
舉辦單位：管理學院
報告簡介：
傳統的推薦系統往往假設推薦數據在訓練和測試階段是獨立同分布（IID），忽略了測試數據的分布漂移（OOD）問題。OOD問題的原因主要在于兩方面：訓練數據有偏和用戶偏好改變。一方面，訓練數據有偏導致模型難以準確捕捉用戶真實興趣，另一方面，用戶自身偏好變化，導致推薦結果與測試階段興趣不匹配。本報告介紹，針對兩方面下的四種細分情況：流行度導致數據有偏、商品特征導致數據有偏、可觀測興趣變化、不可觀測興趣變化，利用因果推斷實現OOD推薦的方法。
報告人簡介：
馮福利，中國科學技術大學網絡空間安全學院教授，海外優青項目獲得者。研究領域：信息檢索、數據挖掘、機器學習、因果推斷等，發表國內外頂級會議和期刊論文50余篇，包括SIGIR、SIGKDD、WWW、ACL、TOIS和TKDE，谷歌學術引用2500次，研究成果在多家公司的商業系統應用。曾獲SIGIR 2021最佳論文提名獎、WWW 2018最佳演示論文獎。擔任眾多頂級期刊、會議審稿人/程序委員，包括SIGIR、WWW、SIGKDD、NeurIPS、TOIS、TKDE、TPAMI。
