中国计算机学会《学科前沿讲习班》
The CCF Advanced Disciplines Lectures
主题 推荐系统前沿
2013年12月17-18日北京
中国科学院，计算技术研究所
日程安排
2013年12月17日
9:00-9:15 开班仪式
9:15-10:15 学术专题讲座1
SocialRecommendation Systems
杨强，华为公司诺亚方舟实验室主任, 香港科技大学计算机系教授
10:45-12:15 学术专题讲座2
电子商务中的个性化技术
薛贵荣，阿里云计算有限公司总监
12:30-14:00 午餐
14:00-15:30 学术专题讲座3
推荐系统实践和挑战：以阿里巴巴、百分点科技等为例 周涛，电子科技大学教授
15:30-17:00 学术专题讲座4
Critiquing-basedRecommender Systems and User Experiences 陈黎，香港浸会大学助理教授
2013年12月18日
9:00-10:30 学术专题讲座5
情境感知的信息推荐
陈恩红，中国科学技术大学教授
10:30-12:00 学术专题讲座6
Cross-domain Link Prediction andRecommendation
唐杰，清华大学计算机系副教授
12:00-14:00 午餐
14:00-15:30 学术专题讲座7
搜索广告的拍卖机制设计
刘铁岩，微软亚洲研究院主任研究员
15:30-17:00 专题讨论(Panel)
主题推荐系统：从算法到实践
15:30-16:00 引导发言：淘宝网推荐系统实践
发言嘉宾：钟灵先生, 淘宝网推荐算法负责人
发言内容：从一个一线推荐算法负责人的角度出发，介绍淘宝网推荐算法的现状，我们推荐算法主要使用的用户行为数据和对算法的衡量指标。重点介绍在商品推荐商品（包括相关性商品和搭配商品推荐）、猜你喜欢方面的实践、技巧和效果。最后说明我们在推荐算法方面遇到的一些问题。
16:00-17:00Panel嘉宾自由讨论，主持人：周涛
嘉宾：陈恩红, 中国科学技术大学教授
唐 杰, 清华大学副教授，博士生导师
刘铁岩, 微软亚洲研究院主任研究员
钟 灵, 淘宝推荐算法负责人
荣智海, 电子科技大学教授
17:00 结业式
附：学术专题讲座详细信息
学术讲座1：SocialRecommendation Systems，杨强
摘要: Recommendation systems technology has become a necessary tool in online serviceswith a wide range of applications. Wewill review the basics of this technology, and survey some of the recentadvances in research and applications.
讲者简介: 杨强，华为公司诺亚方舟实验室主任, 香港科技大学计算机系教授。他是AAAI Fellow, IEEE Fellow, AAASFellow, IAPR Fellow和ACM杰出科学家。主要研究兴趣是人工智能和数据挖掘。他于1982年毕业于北京大学天体物理专业，获得学士学位。分别于1985年和1987年毕业于美国马里兰大学的计算机系和天文学系，获得双硕士学位。于1989年毕业于马里兰大学计算机系，获得计算机博士学位。自1989年到 1995先后任滑铁卢大学的助理教授和副教授，1995年到2001年在加拿大西蒙·弗雷泽（Simon Fraser)大学先后任副教授，正教授一职，同期担任NSERC工业研究主任。自2001年，在香港科技大学先后任副教授，正教授一职。他出版过三本书，包括由清华大学出版的《学术研究－你的成功之路》(与凌晓峰教授共同著作），发表了300多篇关于人工智能和数据挖掘的论文。在2004年和2005年，他指导的队伍赢得了KDDCUP等比赛的冠军。他曾受WSDM2013, SDM2012, IJCAI 2009,ACL 2009 和ACML 2009等著名国际会议的邀请在会议上做主题演讲。在2010年7月，当选为ACM 人工智能协会（SIGART）的副主席。他是多本国际期刊的编委，ACM TIST的创始主编，IEEE Intelligent Systems，IEEE TKDE (2005-2009)，AI Magazine 等期刊的编委。此外，他也是很多人工智能和数据挖掘相关会议的组织者以及程序联合主席，如 2012年在北京举办的ACM 国际数据挖掘大会（KDD) 的会议主席，以及ACM KDD2010，ACM RecSys 2013, ACM IUI 2010 等会议的主席。他是国际人工智能大会（IJCAI) 的董事会成员和2015年在阿根廷举办 IJCAI 会议的程序委员会主席。
学术讲座2：电子商务中的个性化技术， 薛贵荣
摘要:待定
讲者简介:薛贵荣, 阿里云计算有限公司资深总监，负责阿里无线搜索部门工作。研究领域为云计算、互联网搜索与计算广告学等。近几年来共发表国际一流论文和期刊70多篇。承办了2010年中文信息检索CCIR2010，担任WWW 2011互联网经济Session主席。
学术讲座3Critiquing-based RecommenderSystems and User Experiences，Li Chen(陈黎)
摘要: Critiquing-based recommender systems elicitusers’ feedback, called critiques, which they made on the recommended items.This conversational style of interaction is in contract to the standard modelwhere users receive recommendations in a single interaction. Through the use ofthe critiquing feedback, the recommender systems are able to more accurately learnthe users’ profiles, and therefore suggest better recommendations in thesubsequent rounds. Critiquing-based recommenders have been widely studied inknowledge-, content-, and preference-based recommenders. In this talk, I willintroduce the state of the art (including our own work) concerning the designof critiquing interfaces and development of algorithms for critiquinggeneration. Representative example systems will be presented for each branch:natural language based, system-suggested, user-initiated critiques, and hybridframework. Empirical findings from user studies are further presented,indicating how the critiquing supports can effectively enable end-users toachieve more confident decisions and inspire their trust in recommendersystems.
讲者简介:Dr. Li Chen(陈黎) is currently an Assistant Professor in the Department of Computer Scienceat Hong Kong Baptist University. She obtained her PhD degree in ComputerScience at Swiss Federal Institute of Technology in Lausanne (EPFL),Switzerland, and Bachelor and Master Degrees in Computer Science at PekingUniversity, China. Her research interests are mainly in the areas ofhuman-computer interaction, intelligent Web technologies, recommender systems,and e-commerce decision supports. She has co-authored more than 60 publicationsthat appear in journals (such as TOCHI, TIST, KNOSYS, UMUAI, AI Magazine, ECRJ)and leading conferences on e-commerce, artificial intelligence, intelligentuser interfaces, user modeling, and recommender systems (e.g., IJCAI, SDM, IUI,UMAP, ACM RecSys, ACM EC, AAAI). She has been guest editor, PC member, andinvited reviewer for a number of journals and conferences (including TIIS,TIST, TOIT, TKDE, TKDD, UMUAI, SIGCHI, IUI, ACM RecSys, etc.). She has alsorecently served as the program co-chair of ISMIS’12, local organizer ofRecSys’13, and demo and poster co-chair of RecSys’14. She has been the vicechair of ACM HK chapter since 2009.
学术讲座4：推荐系统实践和挑战：以阿里巴巴、百分点科技等为例 周涛
摘要:将整体介绍推荐系统及其思想在商业实践中的应用情况，特别强调其在我国商业实践中的应用情况。着重以阿里巴巴、百分点科技在电子商务商品推荐和个性化电子邮件营销，某智能彩电厂商和某机顶盒厂商在电视节目推荐，以及某移动互联网广告平台APP精准广告投放方面的商业实践细节为例，强调商业实践中需要注意的不同于理论研究的地方。最后总结推荐系统理论研究和商业实践中具有普适性的挑战。
讲者简介:周涛，电子科技大学互联网科学中心主任。发表SCI论文160余篇，SCI引用3200余次，Google引用7100余次。曾获Chorafas YoungScientist Award，第十二届中国青年科技奖，教育部自然科学一等奖，安徽省自然科学一等奖，四川省科技进步一等奖等。在NJP, EPL, CPL等专业一流期刊获最佳论文奖。受到中组部万人计划，四川省委组织部百人计划，教育部新世纪优秀人才计划，国家自然基金委优秀青年科学基金，四川省创新平台计划，四川省创业领军人才计划等支持。
学术讲座5：情境感知的信息推荐， 陈恩红
摘要: 推荐系统研究面临的主要挑战之一是如何准确建模和识别用户兴趣。由于用户时时刻刻都处在不同的情境之中，同时用户的后续行为往往受到其当前情境的影响，所以情境数据有助于帮助理解和预测用户兴趣。事实上，随着大数据时代的到来，可收集与存储的情境数据规模越来越大，这些情境数据为提升信息推荐的精准度提供了前所未有的机遇。为此，报告将首先概述情境数据以及针对情境数据的已有相关研究，接下来结合我们近年来的研究成果，分别从移动推荐、搜索推荐以及旅游推荐等实际应用领域对情境感知的信息推荐建模方法进行着重介绍。最后，简要分析和探索情境感知的信息推荐研究仍然面临的诸多挑战。
讲者简介:陈恩红, 中国科学技术大学计算机科学与技术学院副院长，多媒体计算与通信教育部-微软重点实验室副主任，教授，博士生导师。机器学习与数据挖掘、网络信息处理领域的专家，相关研究获得国家杰出青年科学基金、教育部新世纪优秀人才计划等资助，曾获中国科学院院长奖学金优秀奖、中国科学技术大学惠普信息科学青年教师奖、王宽诚育才奖、安徽省科技进步二等奖、中国科技大学优秀教学成果二等奖等，在数据挖掘的国际顶级会议KDD2008上的论文获最佳应用论文奖（Best Application Paper Award）。曾担任KDD2010、AAAI2012、KDD2012、KDD2013、ICDM2013、PAKDD2013、SDM2013等30余个国际学术会议的程序委员。中国计算机学会理事、中国人工智能学会理事，中国计算机学会人工智能与模式识别专委会委员、数据库专委会委员、大数据专家委员会委员，中国人工智能学会知识工程与分布智能专业委员会副主任委员、国际电子电气工程师学会高级会员。
学术讲座6：Cross-domainLink Prediction and Recommendation，唐杰
摘要:待定
讲者简介: 唐杰，清华大学计算机系副教授、博士生导师、系科研办公室主任。于2006年6月在清华大学计算机系获得博士学位，曾在康纳尔大学、伊利诺伊香槟分校、香港中文大学、香港科技大学进行学术访问。荣获首届国家自然科学基金优秀青年基金，获2012中国计算机学会青年科学家奖、2010年清华大学学术新人奖（清华大学40岁以下教师学术最高奖）、2011年北京市科技新星、IBM全球创新教师奖以及KDD’12 BestPoster Award、PKDD’11 BestStudent Paper Runnerup和JCDL’12 BestStudent Paper Nomination。研发了研究者社会网络ArnetMiner系统，吸引全球220个国家和地区432万独立IP的访问。主要研究兴趣包括：社会网络分析、数据挖掘、机器学习和语义Web。
学术讲座7: 搜索广告的拍卖机制设计，刘铁岩
摘要:搜索引擎的主要收入来源是在线广告。在过去的十几年间，随着搜索引擎的蓬勃发展，广告技术无论在理论方面还是实践方面都取得了飞速的进展。然而，目前在广告拍卖机制方面多数的理论研究都是建立在很强的假设之上，比如查询词和关键词的精确匹配，广告主高度理性并拥有完全信息等等。当在实际中这些假设被违背时，拍卖机制的社会效率和利润都会受到很大影响。为了解决这个问题，我们在新型的拍卖机制设计方面做了一些探索，提出了随机广谱匹配机制、博弈机器学习等方法。本报告将对这些最新的研究成果做简要介绍，并进一步讨论搜索引擎广告拍卖机制设计的未来发展方向。
讲者简介:刘铁岩博士,现任微软亚洲研究院高级研究员/主任研究员，领导互联网经济和计算广告学方面的研究工作。刘铁岩博士是国际公认的“排序学习”这一学术领域的代表性人物，创立了“列表级别排序"和“统计排序理论”等学术方向，并在顶级国际会议和期刊（如SIGIR, WWW, KDD, ICML, NIPS, COLT)上发表了数十篇高质量论文，受Springer之邀撰写了排序学习领域的首部学术专著。刘博士的研究方向还包括算法博弈论和计算经济学领域，相关研究成果发表在AAAI、IJCAI、WINE等顶级学术会议上。过去的五年间他的研究工作已被引用近4000次，多次获得最佳论文（最高引用）奖，并被CNet, ZDNet, Business Week, NPR等国际媒体报道。刘博士受邀担任了ACML 2015、WINE 2014、RIAO 2010、AIRS 2013等国际会议的程序委员会主席，ICML 2014的本地主席、WWW 2014的讲座主席、KDD 2012的演示和展览主席，美国计算机学会会刊《信息系统（TOIS）》的副主编，国际期刊《信息检索》的编委；受邀在SIGIR、WWW、KDD等国际会议上做专题讲座或大会主题演讲。他是国际电子电气工程师学会（IEEE）、美国计算机学会（ACM）和中国计算机学会（CCF）的高级会员，中国科技大学和南开大学的兼职博士生导师。
