地点：端312
时间：11月7日（周五）13:00-17:00
讲座内容：
一种基于偏好感知因果干预的序列推荐研究方法和一个新颖的“层级意图引导 + 可插拔 LLM 语义学习”优化框架
现有的序列推荐模型大多利用深度学习方法来捕获顺序特征且只关注单会话信息，忽略了推荐过程中的混杂因素和跨会话关系及其中蕴含的全局模式；主流方法依赖于大量的交互序列，而序列数据通常存在稀疏性问题；部分方法尝试引入跨会话数据，却难以抑制噪声与无关信息，导致推荐性能下降。为了解决上述偏好混淆与数据稀疏、短会话孤立建模、语义利用不足问题，本报告将介绍一种基于偏好感知因果干预的序列推荐研究方法和一个新颖的“层级意图引导 + 可插拔 LLM 语义学习”优化框架。
专家简介：
陈晋鹏，北京邮电大学计算机学院（国家示范性软件学院）副教授，博士生导师。主持/参与国家级、省部级、企事业项目40余项，发表包含CCF A、B类在内的学术论文100余篇。曾获ICONIP 2022最佳论文奖、周炯槃优秀青年教师励志奖、传邮70·惟实求新先锋、国家级一流本科课程等。目前担任CAAI智能服务专委会委员、CCF大数据专家委员执行委员、CCF人工智能与模式识别专委会执行委员、CIPS社会媒体处理专委会委员等，担任《大数据挖掘与分析（英文）》青年编委、《计算机科学》执行委员等。
