报告题目： 基于无监督学习的可解释性推荐系统
报告摘要：
个性化推荐系统是近年来数据智能研究领域的一个热门研究话题，不同的学者从不同的角度研究建立了各种推荐系统，包括传统机器学习推荐系统和深度学习推荐系统。但是在推荐系统应用中，终端用户除了追求高精度的推荐性能，他们对推荐系统的可解释性也给予了极大的关注。在本次报告中，我们将从传统机器学习出发介绍经典推荐系统方法，接着介绍深度学习推荐算法，引出可解释性推荐系统，并进一步探索基于无监督学习的可解释性推荐系统。
个人简介：
王昌栋，中山大学计算机学院副教授，博士生导师，师从中山大学赖剑煌教授和美国伊利诺大学-芝加哥校区IEEE Fellow Philip S. Yu教授，研究方向包括数据聚类、网络分析、推荐算法和大数据信息安全。以第一作者身份或者指导员工发表了100余篇CCF B类或中科院分区表SCI二区以上的学术论文，其中IEEE/ACM Trans 超过40篇，A类或一区论文50余篇。Google引用量超过3600次，H-index 31。
王昌栋副教授主持了包括广东省自然科学基金-杰出青年基金、广东特支计划“科技创新青年拔尖人才”、国家重点研发计划项目-子课题、国家自然科学基金-面上项目、CCF-腾讯犀牛鸟科研基金等13个项目。研究成果荣获2015年中国人工智能学会优秀博士学位论文奖，2018年度广东省自然科学奖一等奖、2020年度广东省自然科学奖二等奖等。
王昌栋副教授是人工智能权威期刊Journal of Artificial Intelligence Research（JAIR，CCF B类SCI）的副编辑（AE），担任第16届数据挖掘与应用国际学术会议（16th International Conference on Advanced Data Mining and Applications，ADMA 2020）的程序委员会共同主席（PC Co-chair），曾担任CCF广州分部副主席（2019.3-2021.3）和CCF-YOCSEF广州主席（2020-2021），现担任CCF员工分会工作组组长（2021.4-2023.4）和CCF会员与分部工委执委。
报告时间：2022年9月20日（星期二）下午1:30-3:00
报告地点：腾讯会议：946-339-796
