報告主題：Coupling Everything: A Universal Guideline for Building State-of-The-Art Recommender Systems

簡介：

如今，人工智能(AI)的複興引起了世界各地的廣泛關注。特別是機器學習方法已經深入到幾乎人工智能研究的所有領域，如自然語言處理(NLP)，計算機視覺(CV)和規劃。特別是推薦係統(RS)，作為應用最廣泛的人工智能係統之一，已經融入了我們日常生活的方方麵麵。在這個人工智能時代，最先進的機器學習方法，例如深度學習，已經成為建模高級RSs的主要選擇。需要注意的是，不同的數據是RSs執行不同推薦任務的動力來源。

經典的RSs是建立在相關數據(如評分或內容)是獨立同分布(IID)的假設上的，而IID存在許多問題，如冷啟動和數據稀疏。因此，許多最先進的RSs都通過整合不同的信息來增強機器學習技術。本教程將分析高級推薦問題中的數據、挑戰和業務需求，並從非獨立同分布的角度介紹機器學習的最新進展，從而為下一代RSs建模。這包括總體的RS進化和推薦中的非獨立同分布性，社會RS的高級機器學習，基於分組的RS，基於會話的RS，跨域RS，上下文感知RS，多模態RS，多標準RS，在用戶、項目、上下文、模式和標準之間的模型各種耦合方麵。

邀請嘉賓：

Liang Hu，澳大利亞悉尼科技大學高級分析研究所研究員。他的研究興趣包括推薦係統、數據挖掘、機器學習、表示學習和一般人工智能。在推薦係統領域的頂級國際會議和期刊上發表了多篇論文，包括WWW、IJCAI、AAAI、ICDM、ICWS、TOIS、JWSR。他在頂級會議上發表過幾篇教程，包括IJCAI、AAAI和PAKDD。

操龍兵教授中科院模式識別與智能係統博士，悉尼科技大學計算科學博士。先在中國任圖書編輯、市場策略研究、商業智能公司首席技術官，後轉至澳洲任講師、高級講師、副教授與教授（2009年）等至今。現任 澳大利亞悉尼科技大學工程與信息技術學院教授，是 悉尼科技大學高級分析研究所（Advanced Analytics Institute）的創所所長，中科院海外評審專家、中國科學技術大學與上海交通大學等高校的客座教授，被上海證券交易所多次聘為高級金融專家、深交所聘為博士後指導老師。IEEE數據科學與先進分析學任務組主席，IEEE行為、經濟與社會文化計算任務組主席，ACM SIGKDD澳大利亞新西蘭分會發起人與主席，澳洲資本市場聯合研究中心（CMCRC）數據挖掘方向研究帶頭人, IEEE數據科學與先進分析學DSAA大會發起人。IEEE計算機分會，係統、人與控製分會以及計算智能分會高級會員，包括ACM Computing Surveys等多個學術刊物的編委與特刊編輯、International Journal of Data Science and Analytics創刊主編，IEEE Intelligent Systems副主編；KDD2015, DSAA2015, PAKDD2013與ADMA2013大會主席，IJCAI、ICDM、PAKDD與DSAA等程序委員會主席、副主席/領域主席等，包括KDD、IJCAI、AAAI與AAMAS等在內的100多個國際會議的SPC/PC委員。專著4部、編著4部、論文集15部、期刊與會議論文300多篇。