? 背景介紹

知識圖譜及特征學習結合智能推薦，可解決數據稀疏性及冷啟動問題，更好的提升推薦決策場的準確性、多樣性及可解釋性，進而提升各個場景的推薦決策效率和體驗。

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出品的知識圖譜與智能推薦論壇，將分享知識圖譜建設及可解釋推薦的前沿技術進展及應用，并結合電商、招聘、生活服務等場景進行實戰案例解析。

具體日程

詳細介紹

出品人：陳起進

阿里巴巴 高級算法專家

個人簡介：浙大碩士，多年資訊/電商行業知識圖譜、NLP及計算機視覺研發經驗，當前任阿里1688產地技術負責人，負責產業帶供給數字化、找工廠及產地數智服務技術建設。

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，同時還對為什么推薦這些物品給出解釋，對于提升用戶體驗至關重要。這次講座中，我們將討論可解釋推薦的定義、目標、應用場景，并且介紹可解釋推薦的最新研究進展：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結合，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介紹這兩個方向的一些最新研究進展，例如，如何利用強化學習、模仿學習進行高效知識圖譜推理，如何利用多任務學習生成高質量的自然語言推薦理由。

內容靚點：

靚點1：如何在知識圖譜上進行推理，在提供可解釋性的同時，提高推薦效果？
靚點2：如果將預訓練模型與強化學習結合，生成高質量、極具吸引力的推薦文本？
靚點3：可解釋推薦是否能在工業界真正落地應用？

個人簡介：王希廷是微軟亞洲研究院社會計算組主管研究員，研究興趣為可解釋、負責任的人工智能。王希廷分別于2011和2017年在清華大學獲得電子系學士和計算機系博士學位。她的研究成果發表在KDD、ICML、SIGIR、TVCG等各個數據挖掘、機器學習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品中落地應用。兩次獲得CCF-A類期刊TVCG封面論文獎，獲得AAAI 2021 Best SPC獎。王希廷同時還是中國計算機學會高級會員，多次擔任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化擔任程序委員會委員。

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用

議題介紹：本次分享主要介紹，在1688找工廠業務場景中，面向推薦系統中的冷啟動問題，團隊在圖譜知識、圖表示學習在推薦系統召回與排序模型中的應用，以及面向推薦結果可解釋問題，團隊在基于知識圖譜的推薦理由生成與基于路徑的方法上實踐。

內容靚點：

靚點1.?基于知識圖譜的篩選推薦應用
靚點2.?基于知識圖譜的多主題受限式推薦理由生成方法
靚點3.?基于實時用戶意圖預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）畢業于清華大學，阿里巴巴CBU技術部算法專家，曾就職于網易、吉利汽車，目前主要工作方向包括知識圖譜構建以及在推薦系統、客戶關系管理等系統中的應用。

3. 陳溪 騰訊 研究員

演講議題：搜索場景下的智能實體推薦

議題介紹：用戶通過搜索引擎獲取所需的信息和知識，實體推薦圍繞用戶查詢詞，挖掘潛在的實體需求，推薦與查詢詞有關聯性、興趣度及拓展性的實體知識。本次分享將會討論搜索場景中查詢詞的實體需求挖掘：在用戶查詢文本較短，行為數據稀疏的前提下，通過補充各維度信息，解決冷啟動問題，定位實體需求。進而基于挖掘的實體需求，結合用戶行為、知識圖譜等多維度的數據和知識?，綜合推薦相關實體；同時也會進一步探討，如何跳出用戶的已知知識繭房，拓展和探索多領域場景的實體推薦。

內容靚點：

1. 如何在搜索推薦場景下挖掘用戶的實體需求，并把控推薦實體的關聯性？
2. 如何結合搜索場景信息和知識圖譜，緩解數據稀疏問題？
3. 實體類型復雜多樣，如何調整推薦策略使其適用于多個領域和場景？

個人簡介：本科畢業于上海交通大學，南加州大學碩士。畢業后加入搜狗，參與了自動補全、搜索推薦等產品相關的研發工作。目前就職騰訊，負責QQ瀏覽器中實體推薦相關產品的優化。

4. 楊玉基 美團 算法工程師

演講議題：知識圖譜在美團推薦場景中的應用

議題介紹：作為全球領先的生活服務電子商務平臺，美團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域知識。本次報告中，我們將重點介紹在美團的推薦業務場景中，我們利用知識圖譜提升推薦可解釋性和效果的實踐。

內容靚點：

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推薦效果？

個人簡介：楊玉基，清華大學計算機系碩士畢業，碩士期間主要研究內容為領域知識圖譜構建。19年校招加入美團NLP中心任算法工程師，現主要負責圖學習技術在推薦場景中的業務落地和技術創新。

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用

議題介紹：

• 58招聘知識圖譜的建設背景

• 58招聘知識圖譜的能力建設

• 58招聘知識圖譜賦能個性化推薦

• 58招聘知識圖譜的規劃和展望

內容靚點：

1、招聘知識圖譜標簽體系構建
2、招聘知識圖譜提效雙端流量匹配
3、知識圖譜對業務生態的反哺

個人簡介：昆明理工大學碩士研究生畢業，曾主導互聯網金融行業的知識圖譜構建。現任58同城和HRG部門資深nlp算法工程師，主要負責招聘領域額的知識圖譜構建。

活動報名

識別二維碼，免費報名

報名成功后，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據的開放、互聯及眾包，并促進知識圖譜算法、工具及平臺的開源開放。

點擊閱讀原文，進入 OpenKG 網站。

總結

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站內容還不錯，歡迎將生活随笔推薦給好友。