2018年12月3日上午，应我院邀请，华为诺亚方舟实验室推荐与搜索项目组的资深研究员唐睿明在华东师范大学中北校区数学馆201室作了题为《推荐系统中的深度学习和强化学习技术》的报告。唐研究员结合推荐系统在华为内部的一些应用场景，介绍了推荐技术的相关学术研究和工业应用。
唐研究员首先介绍了推荐系统在互联网公司内的技术演进路线，回顾了学术界和工业界中常应用于推荐系统中的深度学习模型。他表示，推荐系统已经广泛应用于音乐、视频、电子商务、社交网络好友推荐、位置服务推荐、广告推荐等方面。这其中用到的主要技术是推荐预测，即预测此时此地一个用户与一个商品的喜爱程度。在这一方面，深度学习起到重要的作用，但同时也面临巨大的挑战。他介绍了几种应用深度学习的模型和应用，包括FNN(factorization-machine supported Neural Networks)、阿里巴巴以及Google进行点击率预测的模型，并分析了这些模型的特点和性能。同时，他也提出，深度学习在应对高维稀疏的特征时，容易引起海量的连接。
接着，唐研究员为大家展示了诺亚方舟实验室研究出的两个业界领先、且在华为应用市场中的应用实例。针对Wide & Deep Model的局限性，他们设计出避免人工提取特征且准确率更高的DeepFM模型和PIN模型。并且，针对推荐领域的连续决策问题，他们基于强化学习开展系列推荐的研究，展示了实验室最新的基于强化学习的推荐技术。
最后，唐研究员表示，深度学习推荐技术将成为研究热点，加快进入商业化应用，传统模型仍有优化空间，两者协同发展能够有效提升性能。同时，随着智能推荐向智能决策的转变，基于强化学习的推荐技术也将成为未来发展的重要方向。
报告人简介：
唐睿明，华为诺亚方舟实验室推荐与搜索项目组的资深研究员。2009年在中国东北大学获得计算机科学与技术学士学位，2014年获得新加坡国立大学计算机专业博士学位。2014年底加入华为诺亚方舟实验室，主要研究方向包括机器学习、推荐系统、深度学习、强化学习等。在基于深度学习和强化学习的推荐系统领域，在国际顶级会议和期刊上发表多篇论文，如WWW, IJCAI, TOIS, RecSys, AAAI, DASFAA等。研究成果应用于华为应用市场应用推荐与搜索场景，提升用户体验，增加收入。
文案 | 刘婷婷
摄影 | 刘婷婷
