报告时间：2020年8月14日11:00
报告地点：宝山校区东区9号楼702B
报告题目：基于知识图谱的推理方法及其在推荐系统中应用研究
报告摘要：知识图谱旨在描述真实世界中存在的各种实体或概念及其关系，是一种新型信息聚合和表达形式。推荐系统是对用户和物品之间的交互的建模，知识图谱和推荐系统的结合在工业应用中潜力巨大。本报告围绕知识图谱进行关系推理建模，提升推荐系统可解释性问题。分析总结了近年知识图谱和推荐系统融合的代表性工作，介绍我们一个用于推荐中推理的模仿学习框架工作。该模型通过引入强化学习和对抗模仿学习的框架，从提取的示例路径中学习到对推荐有用的路径，使得推荐结果具有可解释性。模型的可收敛性和可解释性。另外本次报告会对目前推荐系统的深度模型和经典模型结果，和推荐结果的可解释性相关问题研究趋势进行讨论。
报告人简介：杨余久，男，博士，2008年于中国科学院自动化所模式识别国家重点实验室获博士学位；2008 年7月开始在清华大学深圳国际研究生院智能计算实验室工作，现为该实验室负责人。研究方向为大数据环境下信息处理与机器学习应用的研究工作，包括机器学习及自然语言处理、知识图谱等领域。获得深圳市领军人才称号，科技成果获得2015年广东省科技进步奖一等奖，2016年深圳市科技进步奖（排名第一）和2017年广东省科技进步奖（排名第一）；2016年并荣获清华大学校级教学成果奖。他当前担任IEEE TKDE，IEEE TIP，IEEE TNLLS等国际期刊的审稿人或编委，并担任2017年国际生物信息学大会（InCoB2017）、2018年国际人工智能和移动服务大会（AIMS 2018，Seattle,USA）组委会执行主席和2020年国际认知计算大会程序委员会主席（International Conference on Cognitive Computing (ICCC 2020)）。
