推荐系统论坛

王希廷

微软研究院研究员

个人介绍:

王希廷,微软亚洲研究院研究员。2011年于清华大学获得工学学士学位。2017年于清华大学获得工学博士学位。她的研究成果发表在数据挖掘和可视化的顶级会议和期刊上,包括KDD、TKDE、AAAI、IJCAI、VAST和TVCG等,一篇一作论文被CCF A类期刊TVCG选为封面论文。她是AAAI等一流会议的程序委员会成员,曾担任TKDE、TVCG、InfoVis等顶级会议、期刊的审稿人。

议题:

可解释推荐系统

议题介绍:

传统的推荐系统将重心放在提高推荐准确性上,与推荐对象的沟通通常考虑得不够。可解释的推荐系统能够给出用户最易接受的推荐解释,充分抓住用户心理与用户沟通。研究发现,这样的系统不仅能够提升系统透明度,还能够提高用户对系统的信任和接受程度 、用户选择体验推荐产品的概率以及用户满意程度等等。我们将系统介绍可解释推荐的分类、推荐解释生成方法以及可解释推荐面临的机遇和挑战。为了解决现有方法难以同时保证模型解释能力、解释质量以及确保模型无关的问题,我们提出了自己设计的基于强化学习的可解释推荐框架。我们以生成句子级别解释为例,说明了我们框架的使用方法,并且利用离线和用户实验证明了我们方法的有效性。

  • 服务热线:
  • 010-64351456
  • 媒体咨询:
  • 13301211220
  • 商务合作:
  • 010-64348410
  • 大会邮箱:
  • bdtc2018@163.com
  • 主办单位:
  • 中国计算机学会(CCF)
  • 承办单位:
  • CCF大数据专家委员会
  • 协办单位:
  • CSDN
  • 中科天玑数据科技股份有限公司
认证
加入CCF入口
x