【导读】中国自动化学会将于2019年10月26日-10月27日在中国科学院自动化研究所举办第12期智能自动化学科前沿讲习班，主题为“推荐系统”。此次讲习班由中国人民大学赵鑫副教授担任学术主任，邀请业界多位知名专家作主题报告，分享交流推荐系统的学术前沿、发展及应用实现。
ASSIA简介
智能自动化学科前沿讲习班是由中国自动化学会主办的高端学术交流活动，旨在促进自动化领域的科研人员在短时间内快速了解学科前沿和最新研究，并为专家学者提供探讨热点方向和交流学术进展的平台。每期讲习班围绕一个热点专题，邀请该学科方向从事前沿工作的专家学者作学术报告，并与参会者交流讨论。推荐系统是根据用户的信息需求、兴趣等，将用户感兴趣的信息、产品等推荐给用户的个性化信息推荐系统。随着网络的迅速发展而带来的数据信息的大幅增长，使得用户在面对大量信息时无法从中获取对自己真正有用的，对信息的使用效率反而降低了。解决这一问题的办法就是推荐系统。2010年后，推荐系统逐渐成为学术研究和业界应用的热门方向。截止目前，推荐系统已经成为大数据落地最广泛且成功的场景，被广泛应用于电子商务推荐、个性化广告推荐、新闻推荐等诸多领域。
以下是在本次讲习班上作报告的企业界嘉宾，下面按姓氏拼音顺序向大家介绍各位嘉宾：
报告嘉宾
蔡晶
腾讯PCG浏览平台产品部
高级研究员
报告题目：流量变现效果优化：图卷积神经网络在广告动态创意中的实践
嘉宾简介
蔡晶，毕业于北京航空航天大学，2012-2016在百度推荐与个性化部门工作。期间主要参与百度智能推荐平台，大数据知识图谱及图片搜索广告项目。目前在腾讯PCG浏览平台产品部增长中心担任高级研究员，主要负责增长提效与流量变现方面的工作。
报告摘要
广告创意是广告主向互联网用户呈现价值的途径，它一般包含文案、图片甚至是音视频。好的创意能很快吸引住用户，让用户理解自己的需求能否被满足。单一的创意形态，很难提高广告对用户的吸引力。动态创意广告是一种创意可以随用户兴趣变化而变化的广告，不同的用户看到它，根据用户的兴趣，展现创意都可能不同。它真正实现了"千人千面"，可以极大程度提升广告的投放效率和投放效果。
报告嘉宾
董大祥
百度paddlepaddle主任研发工程师
报告题目：paddlepaddle在推荐场景场景下的并行训练技术，模型算法与应用案例
报告嘉宾
宋洋
BOSS直聘NLP中心负责人
报告题目：基于深度匹配技术的人岗推荐
嘉宾简介
宋洋，BOSS直聘NLP中心负责人，北京大学计算机系博士毕业，研究方向：自然语言处理、共指消解。曾在ACL、EMNLP等自然语言处理领域国际著名会议和期刊发表多篇学术论文，并担任领域内多个会议和期刊的审稿人。目前负责BOSS直聘的自然语言处理算法及应用开发，以及安全风控技术工作。
报告摘要
近年来，随着互联网求职招聘平台的不断发展，该场景下的双边匹配推荐问题越来越受到学术界和工业界的广泛关注，本次报告将围绕BOSS直聘NLP中心今年来在KDD、CIKM和EMNLP上所发表的学术论文来介绍基于深度匹配技术的人岗推荐系统，分别是融合历史行为偏好的人岗推荐，联合双边意愿与匹配的人岗推荐，以及领域自适应的人岗推荐。
报告嘉宾
王帅强
京东商城数据科学实验室研究科学家
报告题目：京东商城推荐系统研究进展
嘉宾简介
王帅强，2017年加入京东商城数据科学实验室，研究科学家。加入京东前，曾在英国曼彻斯特大学和芬兰于韦斯屈莱大学任系助理教授。分别于2004年和2009年在中国山东大学计算机科学与技术学院获得学士和博士学位。之后于2010年在美国德克萨斯州立大学计算机课学习做博士后研究工作，2011年至2014年是在山东财经大学计算机科学与技术学院副教授。 研究领域为电子商务推荐系统，信息检索，数据挖掘等。
报告摘要
当前推荐系统已经成为电子商务网站的基本工具。在真实的线上系统中，由于用户和商品的规模非常大，不可能预测用户对每个商品的偏好程度。一般而言，在工业界，推荐系统排序的整个过程分为两步：候选商品的选取，以及候选商品排序。在本次报告中，将分别介绍京东商城推荐系统基于深度学习和强化学习对这两个步骤的优化探索。
报告嘉宾
张富峥
美团点评NLP中心研究员
报告题目：生活服务领域知识图谱的构建及应用
嘉宾简介
张富峥博士，现任美团点评NLP中心的研究员，知识图谱团队负责人。目前主要负责构建围绕美团生活服务领域的知识图谱及其应用，为美团各场景业务提供更加智能的服务。在此之前，张富峥博士在微软亚洲研究院担任研究员。他于2015年取得计算机博士学位，由微软亚洲研究院和中国科技大学联合培养。在微软期间，张富峥博士和所其在团队在个性化推荐、用户画像、时空数据挖掘等领域展开了创新性的研究，并应用到广告展示、新闻推荐、机器人小冰等众多产品中。他在相关领域的顶级会议和期刊上发表30余篇论文，如KDD、WWW、AAAI、IJCAI，曾获ICDM2013最佳论文大奖和中科院院长奖。 张富峥博士曾担任ASONAM的工业界主席，长期担任IJCAI、WWW、SIGIR等国际会议和TKDE、TOIS、TIST等国际期刊的评审委员。
报告摘要
深度学习和知识图谱是近年来人工智能技术蓬勃发展的两大核心驱动力，并且两者呈现出进一步融合的趋势。目前，全球的互联网公司都在积极布局知识图谱，Google Knowledge Graph掀起全球知识图谱热潮，Facebook依赖社交知识图谱提供独特的用户体验，阿里也提出了"藏经阁"知识图谱计划。作为全球领先的生活服务电子商务平台，美团点评拥有围绕吃喝玩乐全场景的丰富数据，通过使用深度学习技术以及自然语言处理技术，对这些跨场景数据进行充分挖掘、映射、聚合与关联，美团NLP中心构建了一个全世界最大的餐饮娱乐知识图谱——“美团大脑”，来促进每个场景下应用服务的智能升级。尤为值得一提的是，美团点评拥有行业内质量最高、覆盖度最广的数十亿条用户真实评价数据，通过细粒度情感分析算法，我们挖掘出口味、服务、价格、环境、位置等各方面有价值的“知识”。首个版本的美团大脑已经拥有超过百亿量级的知识关联，未来预期这一规模会达到数千亿级别，对于数据存储/同步、知识推理、实时计算、算法建模提出了巨大挑战。因此，我们同时正在研发超大规模分布式图数据处理引擎，用来存储和服务美团大脑系统。在这个报告中，我们将介绍知识图谱基础知识及行业现状、"美团大脑"的构建方法、以及目前在搜索推荐、赋能商家等方面的一些初步进展与落地场景。
报告嘉宾
周畅
阿里巴巴达摩院算法专家
报告题目：认知推荐的前沿研究与应用
嘉宾简介
周畅，阿里巴巴达摩院算法专家，主要研究方向为图表征学习与推理、推荐系统、分布式图计算，目前已在NIPS, ACL, WWW, AAAI, VLDB等会议上发表17篇文章。研发的大规模商品和用户向量表征学习算法，已在多个个性化推荐场景下获得有效提升。目前专注于创新形态的内容化与可解释推荐。
报告摘要
传统的推荐系统算法侧重于关注点击转化等指标的优化，在电商环境下，推荐场景也承担着种草养草的需求，需要主动激发用户潜在的兴趣而非当下或者已有的兴趣。而这样的定位需要我们能够有办法能够找到打动用户的切入点并进行合理的引导，这就对如何理解用户提出了更高的要求。我们将从认知的角度，来分享我们在用户商品解离化表征学习、内容生成以及推理方面的工作。
申请创业报道，分享创业好点子。点击此处，共同探讨创业新机遇！
