报告主题：基于深度学习的可解释性推荐

报告时间：2021.6.11 9:00 -11:00

报告地点：山东大学软件学院 教学楼5-108

报告摘要：

近年来，随着深度学习在自然语言处理、语音识别和图像处理等领域取得的突破性进展，推荐系统研究也迎来了新的机遇。一方面，深度学习可以通过训练一种深层次非线性的网络结构，具有强大的从样本中学习数据本质特征的能力，能够获取用户和物品的深层次特征表示。另一方面，深度学习由于具有自动特征学习的能力，能够获得数据的统一表征，然后将不同数据映射到一个相同的隐空间。结合深度学习技术与传统推荐方法进行推荐，能够有效的利用多源异构数据，缓解传统推荐系统中的数据稀疏和冷启动问题。尽管利用深度学习对用户的偏好和商品的属性进行深度建模提高了推荐的准确率，但是深度网络大多仍然是黑匣子——难以对推荐结果作出合理的解释。本报告以深度学习技术为核心，以文本评论为载体，探究多层次对用户或物品建模，实现群体智慧引导的层次注意力网络的可解释推荐模型，以提升其推荐的准确率及可解释性。

杨超副教授简介：

杨超，湖南大学信息科学与工程学院副教授，毕业于日本东京工业大学，获工学博士学位，博士论文及研究曾获得日本社会信息学会最优博士论文奖及秋山奖。现为中国计算机学会协同计算专委委员，计算机应用专委委员，主要基于深度学习和机器学习方法从事人工智能相关领域的研究，包括自然语言处理、信息检索与推荐、社会网络计算、情感计算、多媒体内容安全等方面，在ICCV、ECCV、TIP、SIGIR、KBS、IPM、COLING、ICMR、ICME、计算机研究与发展、模式识别与人工智能等国际国内会议及期刊发表多篇学术论文。