推荐系统及其应用前沿论坛

推荐系统及其应用前沿论坛将深入探讨推荐系统的最新理论技术的进展及其应用前沿。作为数据挖掘的重要研究方向，本论坛将覆盖推荐系统的若干前沿热点，包括大模型驱动的推荐、多兴趣建模的推荐、推荐系统的隐私保护等以及推荐系统在科技精准对接中的应用。此次论坛邀请了国内推荐系统及其应用的杰出学者，他们将带来最前沿的理论技术研究成果和应用案例的分享。

论坛主持人：王昌栋，中山大学计算机学院                                                                                                                            

主持人简介：王昌栋，中山大学计算机学院副教授，博士生导师，IEEE Senior Member，CCF杰出会员。 研究方向是图数据挖掘及应用。近五年，发表IEEE Trans系列期刊或KDD等CCF A类会议论文近100篇，其中ESI高被引论文7篇。主持了包括广东省自然科学基金-杰出青年基金、广东省自然科学基金-重点项目、国自然-面上项目等16个项目。研究成果荣获广东省自然科学奖一等奖、二等奖等，并落地应用于电信AI反诈、智慧养殖、企业科技特派员精准对接等场景。指导学生荣获中国电子学会优秀硕士学位论文奖等奖励。 他是人工智能权威期刊JAIR和Neural Networks的副编辑。他曾担任CCF广州分部副主席和CCF-YOCSEF广州主席，现担任CCF学生分会工作组组长和CCF会员与分部工委执委。

主持人简介：黄栋，华南农业大学数学与信息学院/软件学院副教授、副院长，“广东特支计划”青年珠江学者，CCF杰出演讲者（2023），现/曾任CCF数字农业分会副秘书长、YOCSEF广州2022-2023主席、CCF广州分部执委、CCF首届数字农业大会组委会共同主席。主要研究方向是机器学习与大数据分析及其应用，在TKDE、TNNLS、TCYB、TKDD等国际权威期刊和KDD、AAAI等重要会议上发表论文80多篇，其中一作/通讯作者论文IF之和逾200，4篇论文入选ESI高被引，谷歌引用3000多次。主持国家自然科学基金面上和青年项目等纵/横向项目10多项，部分算法应用于广东省气象大数据订正与分析（已在省级气象单位部署应用）和中山大学孙逸仙纪念医院耳科疾病智能诊断系统等，获ACM广州新星奖（2020）、广东省人工智能产业协会青年科技创新奖（2022）、广东省人工智能产业协会自然科学奖二等奖（2023）。

报告1：大模型驱动的推荐前沿进展                                                                                                                                              

报告人简介：何向南，中国科学技术大学教授、博导，人工智能与数据科学学院副院长。常年致力于信息检索与推荐、数据挖掘等领域研究，在相关领域的顶会（如SIGIR、WWW、KDD）和顶刊（如IEEE TKDE、ACM TOIS）上发表论文100余篇，谷歌学术引用4万余次，Elsevier中国高被引学者，在AI 2000人工智能最具影响力学者“信息检索与推荐”领域排名第一。曾获SIGIR 2023、SIGIR 2021、WWW 2018最佳论文提名奖、阿里巴巴达摩院青橙奖、教育部技术发明一等奖等。担任多个期刊的副主编，如IEEE TKDE、IEEE TBD, ACM TOIS等。主持多项国家级项目，如基金委重点项目、科技部重点研发计划课题，入选2018年国家青年人才项目。

报告摘要：预训练大模型在推荐系统领域备受关注，在多个推荐任务上的初期探索已展现出大模型对于推荐的价值。本次报告聚焦大模型驱动的推荐前沿进展并探讨未来发展方向， 具体包括：在大模型中建模协同过滤信息，大模型推荐中的去偏和公平，面向推荐的大模型智能体构建等。同时，我们将讨论这一新兴方向的关键挑战和开放问题，展望未来的研究方向，包括大模型驱动的生成式推荐和引导式推荐。

报告2：用户多兴趣建模的搜推技术                                                                                                                                             

报告人简介：李晨亮，武汉大学国家网络安全学院教授，博士生导师。研究兴趣包括信息检索、自然语言处理、机器学习和社交媒体分析。在相关领域国际会议和期刊如SIGIR、ACL、AAAI、IJCAI、WWW、TKDE、TOIS等发表论文90余篇，担任多个信息检索国际权威学术期刊ACM TOIS、ACM TALLIP、JASIST和IPM的编委；担任中国中文信息学会青年工作委员会副主任、社交媒体专委会委员、信息检索专委会常务委员、情感计算专委会执行委员；中国计算机学会术语专委委员、信息系统专委执行委员；中国科技情报学会信息技术专业委员会委员；国际计算机学会信息检索北京分会委员。曾获得SIGIR2016最佳学生论文提名奖（Best Student Paper Award Honorable Mention）、SIGIR2017 Outstanding Reviewer Award、IPM 2018/2019 Reviewer Award、ACM武汉分会及湖北计算机学会新星奖，2022年“钱伟长中文信息处理科学技术奖-青年创新奖”一等奖；曾入选2019年度武汉黄鹤英才计划和2021年度湖北省青年拔尖人才计划。

报告摘要：搜推系统已渗透进生活与工作的各个角落，目前大多数序列推荐方法往往使用单个向量表征用户的动态兴趣。由于用户的历史行为中的兴趣是多样的，因此仅建模用户单一的动态兴趣很难达到理想的搜推效果。如何同时准确地建模用户动态且多样的兴趣，并合理应用与搜推下游人物中，依然是搜索推荐系统关注的焦点。本次报告将从价格因素、视觉偏好、主兴趣建模、预训练模型等多个角度介绍当前的进展。

报告3：智能推荐系统: 动态模型、隐私挑战与未来方向                                                                                                                  

报告人简介：齐连永，中国石油大学（华东）教授/博导，山东省高等学校青创团队带头人，研究方向为服务计算、推荐系统。以第一/通讯作者，在TKDE、JSAC、TSC、WWW、SIGIR、IJCAI、计算机学报等期刊及会议发表论文50余篇，获山东省自然科学二等奖（排名第一）、CCF-服务计算“青年才俊奖”，主持国家/省部级项目十余项。担任Journal of Organizational and End User Computing（SSCI一区）管理编辑、Tsinghua Science and Technology及Nature Scientific Reports编委、以及多个期刊（IEEE TASE, IEEE TBD, IEEE TCSS, ACM TAAS, ACM TORS, Information Sciences等）的客座编辑。

报告摘要：随着计算能力的飞速提升和算法的日益精进，推荐系统正在逐渐成为日常生活中不可或缺的智能辅助工具。它们渗透至电子商务、在线娱乐、信息检索等多个领域，旨在为用户提供个性化的内容选择。然而，用户偏好的动态性、数据来源的多样化及隐私保护的需求，为推荐系统的发展带来了新的挑战与机遇。本报告将集中讨论在动态环境中构建可信推荐模型的最新策略，分析现阶段推荐系统面临的隐私风险，并探究采用先进机器学习技术如何增强推荐系统的鲁棒性和准确度。

报告4：AI赋能的科技成果转化应用；科技成果精准匹配应用                                                                                                 

报告人简介：赖培源，华南技术转移中心 CTO，广东省技术转移智能匹配工程技术研究中心主任，高级工程师，博士研究生，华转网创始人，中山大学、广东技术师范大学校外硕士生导师。主要从事技术转移精准匹配、数据挖掘、自然语言处理、推荐系统等技术研究，已在Trans Big Data、AAAI、ICDM、KAIS等重要学术期刊会议上发表论文十多篇，出版著作一部，获得技术发明专利授权三十多项，牵头制定并由工信部正式发布行业标准6项。

报告摘要：科技创新是发展新质生产力的核心要素，科技成果转化是加快发展新质生产力的关键，是科技成果与产业需求对接的“关口”。然而，由于科技成果主要以发明专利、学术论文、系统原型等载体，存在数据量大、专业性强、多模态异质、成熟度不一等诸多技术挑战，如何基于数据挖掘前沿技术研究，实现科技成果与产业需求、企业需求的高质量推荐，赋能实现成果与需求的精准供需对接；尤其是，如何将数据挖掘和推荐系统技术应用于“科技成果背后的人才能力与需求的供需对接”，面临诸多的技术挑战。华南技术转移中心与中山大学王昌栋教授团队基于推荐技术，在科技资源对接中进行了大量的探索，取得了一些成果。本次汇报中，广东省技术转移智能匹配工程技术研究中心赖培源博士将从科技资源对接的时代意义和主要技术问题，华转网科技资源对接的研究成果及实践应用等方面进行分享，并对目前需要进一步研究攻克的技术难题进行梳理，以期得到更多数据挖掘行业专家的关注，共同推进AI赋能的科技成果转化工作，为发展新质生产力，推动高质量发展添砖加瓦。