通知公告

国际办 当前位置:网站首页 > 通知公告 > 国际办

关于学院张艳老师赴美国交流访问后公示

作者:国际办 来源:国际办 阅读次数:269日期:2018/06/22

自组团出访后公示信息表

组团单位:电子科技大学计算机科学与工程学院

联系人: 张艳

电  话:61831165

公示地址:学院网站: http://www.ccse.uestc.edu.cn/

公示时间(起止日期):

2018年6月22日-26日

团组名称:第11届ACM网络搜索与数据挖掘国际会议 (WSDM18)

批文号:

 

团长姓名:  张艳

团组人数:1

出访国家(地区): 美国

批准天数:

实际在外天数:6

实际路线: 澳洲 悉尼——美国 洛杉矶——澳洲 悉尼

实际使用经费(元/每人):

经费来源:

实际日程

日期

停留城市与活动内容

2月4日

从悉尼(Sydney)乘坐美国达美航空DL040航班前往洛杉矶,并从洛杉矶机场达到旅馆

2月5日

 

在洛杉矶玛丽安德尔湾(The Ritz-Carlton, marina del Rey)参加WSDM会议,包括:讲座报告Neural Networks for Information Retrieval 和 Mining Knowledge Graphs From Text

2月6日

汇报我们的工作:Discrete Deep Learning for Fast Content-Aware Recommendation

参加WSDM会议。包括:特邀报告:From Search to Research: Direct answers, Perspectives and Dialog,会议接收论文报告:Search and Questions Answering。

2月7日

参加WSDM会议,包括:特邀报告:Scalable Algorithms in the Age of Big Data and Network Sciences: Characterization, Primitives, and Techniques,接收论文报告:Crowdsourcing and Learning from Users

2月8日

参加WSDM会议,包括:特邀报告:On the Power of Massive Text Data,特邀报告:A Call To Arms: Embrace Assistive AI Systems,最佳论文报告,以及其他论文报告。

2月9日

参加WSDM会议,包括:工作组报告Workshop on Knowledge Base Construction, Mining and Reasoning

从洛杉矶乘坐达美航空DL041航班返回澳洲悉尼。

 

 

出访

 

成果

 

(不少于500字)

 

 

 

  传统的推荐系统通过先学习出用户和物品的实数表示(特征),然后对每个用户预测出其所感兴趣的物品排序,并将排序靠前的物品推荐给用户,但对一系列实数排序的时间复杂度很高,用户检索的响应时间比较慢。另一方面,数据稀疏性也很大程度上影响了推荐的精度,尤其是对新用户/新物品的推荐。针对这两个问题,本文提出一种基于哈希(Hash)的推荐系统框架。

本文结合评分信息和物品的内容信息,提出一种基于深度学习的哈希推荐系统,通过网格搜索算法选取最佳的超参数。利用交替迭代优化的方法学习模型参数,最后得到用户和物品的二进制特征表示,通过汉明距离的排序得到用户对物品的偏好排序,由于汉明距离可以通过位运算实现,利用哈希检索快速的特点,大大提高了用户检索的响应速度。此外,本文还能用来解决由新物品引起的冷启动问题,首先利用用户对非冷启动物品的评分信息,学习出用户的特征,同时学习出深度网络的参数。然后利用这些参数得到新物品的二进制特征,从而实现将新物品推荐给用户的过程。

实验结果验证了我们提出的算法在稀疏数据上的表现,同时也验证了在冷启动数据上的表现。对稀疏数据上,我们测验了99%稀疏度的原始数据,实验结果表明本文提出的推荐系统在稀疏数据上的表现明显优于之前的经典算法。此外,在冷启动数据上的表现也同样优于其他的哈希推荐算法和传统的推荐算法。

备注事项:

团长审核签字:

单位监督电话:

028-61830672

任务审批监督电话:

        028-61830675