报告题目： TGVx：动态个性化兴趣点深度推荐模型

报告时间： 2023-05-16 15:40——2023-05-16 17:40

报告人： 王晓军博士

报告地点： 线下-劝学楼408室, 线上-腾讯会议207-297-811

主办单位： 数据科学与人工智能学院、智能商务研究中心

【报告人简介】

王晓军博士，2016年获东北大学控制理论与控制工程专业博士学位。现工作于东北财经大学-管理科学与工程学院-大数据管理与应用专业，讲师。主要从事推荐系统、深度学习、信息网络、数据挖掘、机器学习方向的科研和教学工作。以第一/通讯作者身份发表/录用论文19篇，其中管理学领域国际顶级期刊UTD24 (INFORMS Journal on Computing)论文1篇，计算机科学领域Top期刊5篇，工程技术领域Top期刊2篇，CCF-B类2篇，SCI检索14篇，EI检索19篇。代表作发表/录用于国际期刊INFORMS Journal on Computing、Neurocomputing、Knowledge-Based Systems、IEEE Transactions on Aerospace and Electronic Systems、Advanced Engineering Informatics等。以第一发明人身份授权中国发明专利3项，受理中的中国发明专利6项，均属于计算机应用技术领域机器学习方向。主持或参与多项科研项目：主持国家自然科学基金青年基金项目 (61702070)；参与国家自然科学基金重大项目(72293563)；参与大连市科技人才创新支持政策项目-高层次人才创新团队项目(2022RG17)，骨干成员；主持辽宁省教育厅科学研究经费项目(LN2019Q44)，主持辽宁省教育厅基本科研项目(LJKMZ20221582)，参与国家自然科学基金项目(61473073，61772100，61802040)。面向本科生开设了《深度学习导论与应用实践》和《人工智能与深度学习基础》课程。获2018年度辽宁省百千万人才工程万层次人才。

【报告摘要】

个性化兴趣点(Points-of-Interest， POI)推荐对于提升位置社交网络应用产品的服务质量至关重要，它已经成为当前业界和学术界的最热门研究方向之一。然而，实现高质量的个性化POI推荐面临着三大挑战：用户签到行为的时空动态性带来的兴趣漂移问题，如何尽可能多地融合多源异构信息缓解数据稀疏和冷启动问题，以及如何利用隐式反馈建模复杂的高阶非线性user-POI交互关系。为了共同应对这些挑战，我们提出了TGVx推荐架构，建立动态个性化POI深度推荐模型。TGVx由X个并行的TGV模型组成，TG模块挖掘高阶线性user-POI交互关系并融合多源异构信息，V模块迁移外地访客在家乡的签到记录并生成其在目标城市的伪签到记录。技术上，我们为TG模块设计了一种新的非监督深度学习网络T-SemiDAE；为V模块构建了POI-word异构网络并利用图嵌入技术匹配跨城市的最相似POI，迁移签到记录。实际数据集上的实验结果表明，面向本地和外地推荐场景，TGVx模型在准确度和多样性上始终优于其他先进模型。相比于最优的基线模型Semi-CDAE，TGVx的准确度和多样性的平均提升率分别为17.1%-58.6%和2.25%-28.86%。理论上，我们的研究有效利用了数据科学和分析方法设计推荐模型；实践上，我们的研究以实际问题为导向，研究结果具有较高的实际推广价值。