? 背景介紹

知識圖譜及特征學(xué)習(xí)結(jié)合智能推薦，可解決數(shù)據(jù)稀疏性及冷啟動問題，更好的提升推薦決策場的準(zhǔn)確性、多樣性及可解釋性，進(jìn)而提升各個場景的推薦決策效率和體驗(yàn)。

3月12日13:30-16:50，在DataFunSummit2022：知識圖譜在線峰會上，由阿里巴巴高級算法專家陳起進(jìn)出品的知識圖譜與智能推薦論壇，將分享知識圖譜建設(shè)及可解釋推薦的前沿技術(shù)進(jìn)展及應(yīng)用，并結(jié)合電商、招聘、生活服務(wù)等場景進(jìn)行實(shí)戰(zhàn)案例解析。

具體日程

詳細(xì)介紹

出品人：陳起進(jìn)

阿里巴巴 高級算法專家

個人簡介：浙大碩士，多年資訊/電商行業(yè)知識圖譜、NLP及計(jì)算機(jī)視覺研發(fā)經(jīng)驗(yàn)，當(dāng)前任阿里1688產(chǎn)地技術(shù)負(fù)責(zé)人，負(fù)責(zé)產(chǎn)業(yè)帶供給數(shù)字化、找工廠及產(chǎn)地?cái)?shù)智服務(wù)技術(shù)建設(shè)。

分享嘉賓：

1. 王希廷?微軟亞洲研究院 主管研究員

演講議題：可解釋推薦的前沿進(jìn)展

議題介紹：可解釋推薦除了推薦用戶喜歡的物品以外，同時(shí)還對為什么推薦這些物品給出解釋，對于提升用戶體驗(yàn)至關(guān)重要。這次講座中，我們將討論可解釋推薦的定義、目標(biāo)、應(yīng)用場景，并且介紹可解釋推薦的最新研究進(jìn)展：基于知識圖譜推理及自然語言生成的可解釋推薦。知識圖譜推理要求可解釋推薦系統(tǒng)給出一條在知識圖譜上的多跳路徑或者子圖，連接用戶及其感興趣的物品，而基于自然語言生成的方法將RNN或者Transformer之類的自然語言生成模型和推薦系統(tǒng)結(jié)合，逐字生成流暢、高度個性化的自然語言推薦理由。我們將在講座中詳細(xì)介紹這兩個方向的一些最新研究進(jìn)展，例如，如何利用強(qiáng)化學(xué)習(xí)、模仿學(xué)習(xí)進(jìn)行高效知識圖譜推理，如何利用多任務(wù)學(xué)習(xí)生成高質(zhì)量的自然語言推薦理由。

內(nèi)容靚點(diǎn)：

靚點(diǎn)1：如何在知識圖譜上進(jìn)行推理，在提供可解釋性的同時(shí)，提高推薦效果？
靚點(diǎn)2：如果將預(yù)訓(xùn)練模型與強(qiáng)化學(xué)習(xí)結(jié)合，生成高質(zhì)量、極具吸引力的推薦文本？
靚點(diǎn)3：可解釋推薦是否能在工業(yè)界真正落地應(yīng)用？

個人簡介：王希廷是微軟亞洲研究院社會計(jì)算組主管研究員，研究興趣為可解釋、負(fù)責(zé)任的人工智能。王希廷分別于2011和2017年在清華大學(xué)獲得電子系學(xué)士和計(jì)算機(jī)系博士學(xué)位。她的研究成果發(fā)表在KDD、ICML、SIGIR、TVCG等各個數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)及可視化的頂級會議、期刊上，被引用1300余次，還在微軟等多公司的多個產(chǎn)品中落地應(yīng)用。兩次獲得CCF-A類期刊TVCG封面論文獎，獲得AAAI 2021 Best SPC獎。王希廷同時(shí)還是中國計(jì)算機(jī)學(xué)會高級會員，多次擔(dān)任AAAI和IJCAI的高級程序委員會委員，并且在WWW、ICML、NeurIPS等國際頂級會議中常態(tài)化擔(dān)任程序委員會委員。

2. 徐曉舟?阿里巴巴 算法專家

演講議題：知識圖譜在1688找工廠可解釋推薦中的應(yīng)用

議題介紹：本次分享主要介紹，在1688找工廠業(yè)務(wù)場景中，面向推薦系統(tǒng)中的冷啟動問題，團(tuán)隊(duì)在圖譜知識、圖表示學(xué)習(xí)在推薦系統(tǒng)召回與排序模型中的應(yīng)用，以及面向推薦結(jié)果可解釋問題，團(tuán)隊(duì)在基于知識圖譜的推薦理由生成與基于路徑的方法上實(shí)踐。

內(nèi)容靚點(diǎn)：

靚點(diǎn)1.?基于知識圖譜的篩選推薦應(yīng)用
靚點(diǎn)2.?基于知識圖譜的多主題受限式推薦理由生成方法
靚點(diǎn)3.?基于實(shí)時(shí)用戶意圖預(yù)測與圖譜推理的可解釋推薦方法介紹

個人簡介：徐曉舟（黑匣）畢業(yè)于清華大學(xué)，阿里巴巴CBU技術(shù)部算法專家，曾就職于網(wǎng)易、吉利汽車，目前主要工作方向包括知識圖譜構(gòu)建以及在推薦系統(tǒng)、客戶關(guān)系管理等系統(tǒng)中的應(yīng)用。

3. 陳溪 騰訊 研究員

演講議題：搜索場景下的智能實(shí)體推薦

議題介紹：用戶通過搜索引擎獲取所需的信息和知識，實(shí)體推薦圍繞用戶查詢詞，挖掘潛在的實(shí)體需求，推薦與查詢詞有關(guān)聯(lián)性、興趣度及拓展性的實(shí)體知識。本次分享將會討論搜索場景中查詢詞的實(shí)體需求挖掘：在用戶查詢文本較短，行為數(shù)據(jù)稀疏的前提下，通過補(bǔ)充各維度信息，解決冷啟動問題，定位實(shí)體需求。進(jìn)而基于挖掘的實(shí)體需求，結(jié)合用戶行為、知識圖譜等多維度的數(shù)據(jù)和知識?，綜合推薦相關(guān)實(shí)體；同時(shí)也會進(jìn)一步探討，如何跳出用戶的已知知識繭房，拓展和探索多領(lǐng)域場景的實(shí)體推薦。

內(nèi)容靚點(diǎn)：

1. 如何在搜索推薦場景下挖掘用戶的實(shí)體需求，并把控推薦實(shí)體的關(guān)聯(lián)性？
2. 如何結(jié)合搜索場景信息和知識圖譜，緩解數(shù)據(jù)稀疏問題？
3. 實(shí)體類型復(fù)雜多樣，如何調(diào)整推薦策略使其適用于多個領(lǐng)域和場景？

個人簡介：本科畢業(yè)于上海交通大學(xué)，南加州大學(xué)碩士。畢業(yè)后加入搜狗，參與了自動補(bǔ)全、搜索推薦等產(chǎn)品相關(guān)的研發(fā)工作。目前就職騰訊，負(fù)責(zé)QQ瀏覽器中實(shí)體推薦相關(guān)產(chǎn)品的優(yōu)化。

4. 楊玉基 美團(tuán) 算法工程師

演講議題：知識圖譜在美團(tuán)推薦場景中的應(yīng)用

議題介紹：作為全球領(lǐng)先的生活服務(wù)電子商務(wù)平臺，美團(tuán)擁有覆蓋吃喝玩樂全場景的多樣的推薦場景，也有豐富的交互行為和領(lǐng)域知識。本次報(bào)告中，我們將重點(diǎn)介紹在美團(tuán)的推薦業(yè)務(wù)場景中，我們利用知識圖譜提升推薦可解釋性和效果的實(shí)踐。

內(nèi)容靚點(diǎn)：

1. 如何基于知識圖譜提升推薦的可解釋性？
2. 如何利用知識圖譜更好地捕捉用戶的興趣？
3. 如何更好地融合知識和行為來增強(qiáng)推薦效果？

個人簡介：楊玉基，清華大學(xué)計(jì)算機(jī)系碩士畢業(yè)，碩士期間主要研究內(nèi)容為領(lǐng)域知識圖譜構(gòu)建。19年校招加入美團(tuán)NLP中心任算法工程師，現(xiàn)主要負(fù)責(zé)圖學(xué)習(xí)技術(shù)在推薦場景中的業(yè)務(wù)落地和技術(shù)創(chuàng)新。

5. 周超 58同城?NLP資深算法工程師

演講議題：知識圖譜在招聘推薦匹配的應(yīng)用

議題介紹：

• 58招聘知識圖譜的建設(shè)背景

• 58招聘知識圖譜的能力建設(shè)

• 58招聘知識圖譜賦能個性化推薦

• 58招聘知識圖譜的規(guī)劃和展望

內(nèi)容靚點(diǎn)：

1、招聘知識圖譜標(biāo)簽體系構(gòu)建
2、招聘知識圖譜提效雙端流量匹配
3、知識圖譜對業(yè)務(wù)生態(tài)的反哺

個人簡介：昆明理工大學(xué)碩士研究生畢業(yè)，曾主導(dǎo)互聯(lián)網(wǎng)金融行業(yè)的知識圖譜構(gòu)建?，F(xiàn)任58同城和HRG部門資深nlp算法工程師，主要負(fù)責(zé)招聘領(lǐng)域額的知識圖譜構(gòu)建。

活動報(bào)名

識別二維碼，免費(fèi)報(bào)名

報(bào)名成功后，請按照提示，入群收看。

---

OpenKG

OpenKG（中文開放知識圖譜）旨在推動以中文為核心的知識圖譜數(shù)據(jù)的開放、互聯(lián)及眾包，并促進(jìn)知識圖譜算法、工具及平臺的開源開放。

點(diǎn)擊閱讀原文，進(jìn)入 OpenKG 網(wǎng)站。

總結(jié)

以上是生活随笔為你收集整理的会议交流 | 如何提升推荐系统的可解释性？——DataFunSummit2022知识图谱在线峰会...的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。