报告地点：腾讯会议ID：844 220 382
报告人：冯福利
主办单位：计算机与信息技术学院
报告人简介：
冯福利，中国科学技术大学教授，入选国家青年人才计划。研究领域：信息检索、数据挖掘、机器学习、因果推断等，承担国家自然科学基金面上、科技部重点研发项目课题，发表国内外顶级会议和期刊论文70余篇，谷歌学术引用超4000次，研究成果在多家公司的商业系统应用。曾获SIGIR 2021最佳论文提名奖、WWW 2018最佳演示论文奖。
报告简介：
传统的推荐系统往往假设推荐数据在训练和测试阶段是独立同分布（IID），忽略了测试数据的分布漂移（OOD）问题。OOD问题的原因主要在于两方面：训练数据有偏和用户偏好改变。一方面，训练数据有偏导致模型难以准确捕捉用户真实兴趣，另一方面，用户自身偏好变化，导致推荐结果与测试阶段兴趣不匹配。本报告介绍，针对两方面下的四种细分情况：流行度导致数据有偏、商品特征导致数据有偏、可观测兴趣变化、不可观测兴趣变化，利用因果推断实现OOD推荐的方法。
版权所有：辽宁师范大学科研处 技术支持：