報 告 內(nèi) 容 簡 介 |
報告內(nèi)容簡介: 多模態(tài)推薦旨在通過挖掘用戶行為數(shù)據(jù)與多模態(tài)內(nèi)容數(shù)據(jù)實(shí)現(xiàn)個性化推薦。但實(shí)際場景中,,由于用戶行為隨機(jī)性大,、媒體內(nèi)容表述模糊,形成了低質(zhì)的數(shù)據(jù)環(huán)境,,導(dǎo)致推薦系統(tǒng)面臨偏好捕獲失真的核心挑戰(zhàn)?,F(xiàn)有研究雖在行為數(shù)據(jù)去噪方面取得進(jìn)展,但對低質(zhì)內(nèi)容數(shù)據(jù)的治理機(jī)制尚未形成體系化解決方案,。針對上述挑戰(zhàn),,基于貝葉斯個性化排序損失框架的理論分析切入,發(fā)現(xiàn)低質(zhì)內(nèi)容數(shù)據(jù)會引發(fā)隱空間中潛在特征分布畸變,,破壞了正負(fù)樣本的對比學(xué)習(xí)機(jī)制,,導(dǎo)致梯度更新方向發(fā)散,進(jìn)而阻礙損失函數(shù)的有效收斂,?;诖苏J(rèn)知,提出三階段改進(jìn)方案:首先構(gòu)建多視角行為引導(dǎo)的圖卷積網(wǎng)絡(luò),,通過建立行為引導(dǎo)的內(nèi)容特征篩選,,實(shí)現(xiàn)噪聲特征的動態(tài)過濾;然后通過設(shè)計(jì)差異化行為信息提取方法,,實(shí)現(xiàn)更有效的特征過濾,;最后設(shè)計(jì)基于解耦重構(gòu)的通用增強(qiáng)模塊,通過行為驅(qū)動的內(nèi)容特征解耦,,將原始特征映射至細(xì)粒度行為關(guān)聯(lián)空間,,從而重構(gòu)出高信息價值密度的內(nèi)容特征,。 報告人簡介: 鮑秉坤,南京郵電大學(xué)計(jì)算機(jī)學(xué)院,、軟件學(xué)院,、網(wǎng)絡(luò)空間安全院長,二級教授,,博士生導(dǎo)師,,國家杰出青年科學(xué)基金獲得者、中組部WR計(jì)劃青年拔尖人才,、江蘇省杰青,。研究方向?yàn)槎嗝襟w計(jì)算、數(shù)據(jù)挖掘,、社交多媒體,、計(jì)算機(jī)視覺等,主持國家科技創(chuàng)新2030-“新一代人工智能”重大項(xiàng)目,、國家自然科學(xué)基金重點(diǎn)項(xiàng)目等,。近年來,在 IEEE TIP /TMM /TCSVT /CVPR /AAAI /ACM MM /ACM TKDD等發(fā)表論文120余篇,。曾獲2018年度電子學(xué)會科學(xué)技術(shù)(自然科學(xué)類)一等獎,、多媒體領(lǐng)域重要期刊ACM TOMM 2016年度最佳論文獎、IEEE MM 2017年度最佳論文獎等多項(xiàng)學(xué)術(shù)獎勵,。獲評ICME 2020 Outstanding Areas Chair,。 |