报告时间：6月7日(周二)15:00-17:00
报告地点：威廉希尔一号楼1502会议室
报告人：冯福利
工作单位：中国科学技术大学
举办单位：威廉希尔
报告简介：传统的推荐系统往往假设推荐数据在训练和测试阶段是独立同分布（IID），忽略了测试数据的分布漂移（OOD）问题。OOD问题的原因主要在于两方面：训练数据有偏和用户偏好改变。一方面，训练数据有偏导致模型难以准确捕捉用户真实兴趣，另一方面，用户自身偏好变化，导致推荐结果与测试阶段兴趣不匹配。本报告介绍，针对两方面下的四种细分情况：流行度导致数据有偏、商品特征导致数据有偏、可观测兴趣变化、不可观测兴趣变化，利用因果推断实现OOD推荐的方法。
报告人简介：冯福利，中国科学技术大学网络空间安全学院教授，海外优青项目获得者。研究领域：信息检索、数据挖掘、机器学习、因果推断等，发表国内外顶级会议和期刊论文50余篇，包括SIGIR、SIGKDD、WWW、ACL、TOIS和TKDE，谷歌学术引用2500次，研究成果在多家公司的商业系统应用。曾获SIGIR 2021最佳论文提名奖、WWW 2018最佳演示论文奖。担任众多顶级期刊、会议审稿人/程序委员，包括SIGIR、WWW、SIGKDD、NeurIPS、TOIS、TKDE、TPAMI。
