如何提升推荐系统的可解释性？

背景介绍

知识图谱及特征学习结合智能推荐，可解决数据稀疏性及冷启动问题，更好的提升推荐决策场的准确性、多样性及可解释性，进而提升各个场景的推荐决策效率和体验。

3月12日13:30-16:50，在Da taFunSummit2022：知识图谱在线峰会上，由 阿里巴巴高级算法专家 陈起进 出品的 知识图谱与智能推荐论坛 ，将分享知识图谱建设及可解释推荐的前沿技术进展及应用，并结合电商、招聘、生活服务等场景进行实战案例解析。

具体日程

详细介绍

出品人：陈起进

阿里巴巴 高级算法专家

个人简介： 浙大硕士，多年资讯/电商行业知识图谱、NLP及计算机视觉研发经验，当前任阿里1688产地技术负责人，负责产业带供给数字化、找工厂及产地数智服务技术建设。

分享嘉宾：

1. 王希廷 微软亚洲研究院 主管研究员

演讲议题：可解释推荐的前沿进展

议题介绍：可解释推荐除了推荐用户喜欢的物品以外，同时还对为什么推荐这些物品给出解释，对于提升用户体验至关重要。这次讲座中，我们将讨论可解释推荐的定义、目标、应用场景，并且介绍可解释推荐的最新研究进展：基于知识图谱推理及自然语言生成的可解释推荐。知识图谱推理要求可解释推荐系统给出一条在知识图谱上的多跳路径或者子图，连接用户及其感兴趣的物品，而基于自然语言生成的方法将RNN或者Transformer之类的自然语言生成模型和推荐系统结合，逐字生成流畅、高度个性化的自然语言推荐理由。我们将在讲座中详细介绍这两个方向的一些最新研究进展，例如，如何利用强化学习、模仿学习进行高效知识图谱推理，如何利用多任务学习生成高质量的自然语言推荐理由。

内容靓点：

靓点1：如何在知识图谱上进行推理，在提供可解释性的同时，提高推荐效果？
靓点2：如果将预训练模型与强化学习结合，生成高质量、极具吸引力的推荐文本？
靓点3：可解释推荐是否能在工业界真正落地应用？

个人简介：王希廷是微软亚洲研究院社会计算组主管研究员，研究兴趣为可解释、负责任的人工智能。王希廷分别于2011和2017年在清华大学获得电子系学士和计算机系博士学位。她的研究成果发表在KDD、ICML、SIGIR、TVCG等各个数据挖掘、机器学习及可视化的顶级会议、期刊上，被引用1300余次，还在微软等多公司的多个产品中落地应用。两次获得CCF-A类期刊TVCG封面论文奖，获得AAAI 2021 Best SPC奖。王希廷同时还是中国计算机学会高级会员，多次担任AAAI和IJCAI的高级程序委员会委员，并且在WWW、ICML、NeurIPS等国际顶级会议中常态化担任程序委员会委员。

2. 徐晓舟 阿里巴巴 算法专家

演讲议题：知识图谱在1688找工厂可解释推荐中的应用

议题介绍：本次分享主要介绍，在1688找工厂业务场景中，面向推荐系统中的冷启动问题，团队在图谱知识、图表示学习在推荐系统召回与排序模型中的应用，以及面向推荐结果可解释问题，团队在基于知识图谱的推荐理由生成与基于路径的方法上实践。

内容靓点：

靓点1. 基于知识图谱的筛选推荐应用
靓点2. 基于知识图谱的多主题受限式推荐理由生成方法
靓点3. 基于实时用户意图预测与图谱推理的可解释推荐方法介绍

个人简介：徐晓舟（黑匣）毕业于清华大学，阿里巴巴CBU技术部算法专家，曾就职于网易、吉利汽车，目前主要工作方向包括知识图谱构建以及在推荐系统、客户关系管理等系统中的应用。

3. 陈溪 腾讯 研究员

演讲议题：搜索场景下的智能实体推荐

议题介绍：用户通过搜索引擎获取所需的信息和知识，实体推荐围绕用户查询词，挖掘潜在的实体需求，推荐与查询词有关联性、兴趣度及拓展性的实体知识。本次分享将会讨论搜索场景中查询词的实体需求挖掘：在用户查询文本较短，行为数据稀疏的前提下，通过补充各维度信息，解决冷启动问题，定位实体需求。进而基于挖掘的实体需求，结合用户行为、知识图谱等多维度的数据和知识 ，综合推荐相关实体；同时也会进一步探讨，如何跳出用户的已知知识茧房，拓展和探索多领域场景的实体推荐。

内容靓点：

1. 如何在搜索推荐场景下挖掘用户的实体需求，并把控推荐实体的关联性？
2. 如何结合搜索场景信息和知识图谱，缓解数据稀疏问题？
3. 实体类型复杂多样，如何调整推荐策略使其适用于多个领域和场景？

个人简介：本科毕业于上海交通大学，南加州大学硕士。毕业后加入搜狗，参与了自动补全、搜索推荐等产品相关的研发工作。目前就职腾讯，负责QQ浏览器中实体推荐相关产品的优化。

4. 杨玉基 美团 算法工程师

演讲议题：知识图谱在美团推荐场景中的应用

议题介绍：作为全球领先的生活服务电子商务平台，美团拥有覆盖吃喝玩乐全场景的多样的推荐场景，也有丰富的交互行为和领域知识。本次报告中，我们将重点介绍在美团的推荐业务场景中，我们利用知识图谱提升推荐可解释性和效果的实践。

内容靓点：

1. 如何基于知识图谱提升推荐的可解释性？
2. 如何利用知识图谱更好地捕捉用户的兴趣？
3. 如何更好地融合知识和行为来增强推荐效果？

个人简介：杨玉基，清华大学计算机系硕士毕业，硕士期间主要研究内容为领域知识图谱构建。19年校招加入美团NLP中心任算法工程师，现主要负责图学习技术在推荐场景中的业务落地和技术创新。

5. 周超 58同城 NLP资深算法工程师

演讲议题：知识图谱在招聘推荐匹配的应用

议题介绍：

• 58招聘知识图谱的建设背景

• 58招聘知识图谱的能力建设

• 58招聘知识图谱赋能个性化推荐

• 58招聘知识图谱的规划和展望

内容靓点：

1、招聘知识图谱标签体系构建
2、招聘知识图谱提效双端流量匹配
3、知识图谱对业务生态的反哺

个人简介：昆明理工大学硕士研究生毕业，曾主导互联网金融行业的知识图谱构建。现任58同城和HRG部门资深nlp算法工程师，主要负责招聘领域额的知识图谱构建。

活动报名

识别二维码，免费报名

报名成功后，请按照提示，入群收看。