今晚7:30 | KDD-7——纽约大学斯特恩商学院、伊利诺伊大学香槟分校

本文主要是介绍今晚7:30 | KDD-7——纽约大学斯特恩商学院、伊利诺伊大学香槟分校，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

点击蓝字

关注我们

AI TIME欢迎每一位AI爱好者的加入！

11月18日 19:30~20:30

AI TIME特别邀请纽约大学斯特恩商学院、伊利诺伊大学香槟分校的博士生，开启KDD第七场！

哔哩哔哩直播通道

扫码关注AITIME哔哩哔哩官方账号

观看直播

链接：https://live.bilibili.com/21813994

★ 邀请嘉宾 ★

李磐：

纽约大学斯特恩商学院信息系统专业五年级博士生，导师为Alexander Tuzhilin。博士期间致力于将商学院用户行为理论与推荐系统模型进行结合，以提升用户满意度及平台效用价值。研究工作发表于顶级计算机刊物，包括TKDE, TIST, TMIS, KDD, WSDM, RecSys, AAAI等，并有多篇工作论文投稿到顶级商学院期刊，包括Information System Research, Manganement Informaion System Quaterly, Marketing Science。

报告题目：

对偶学习与跨域推荐

内容简介：

作为跨域推荐的有力手段，迁移学习在建模用户行为及偏好的过程中得到了学术界与工业界的广泛运用。传统迁移学习往往聚焦于从源域到目标域的单向迁移过程，这样会导致不平衡的优化过程以及“侵蚀效应”，即一个域里推荐性能的提升会导致另一个域里推荐性能的下降。在我们的一系列工作里，我们提出用对偶学习的思想来建模跨域推荐，而我们所提出的模型不仅带来了理论上的良好优化性质，也在实际运用中大幅超过了最新的基准模型。以此，我们的对偶学习模型对工业界解决相关问题也有重要的启发。

杨超琪：

伊利诺伊大学香槟分校计算机系二年级博士生，导师为Jimeng Sun。博士期间主要工作为张量方法和深度学习在医疗健康中的应用。个人主页：https://chaoqiyang.com

报告题目：

多分辨率张量补全

内容简介：

多维度细粒度时空数据经常是不完整的，可能原因有数据丢失，隐私保护等。但是有两类数据是很容易获取的：（i）部分多维细粒度数据（原数据的子集）；（ii）在某些维度上的完整粗粒度数据。本次演讲我们将介绍如何利用这两类容易获取的数据去还原/近似细粒度的完整数据。举个例子：我们可能无法获取国内每个城市每天感染每一种疾病的具体人数（数据隐私原因或者其他），但是我们可以获得（i）部分城市部分时间部分疾病的人数；（ii）每个城市每个月每种疾病的具体人数，或者每个省份每天某些更粗粒度疾病类别的具体人数等等其他粗粒度数据。根据这两部分的信息，我们可以用耦合张量分解的方式去近似估计每个城市每天感染每一种疾病的人数。

# 今日视频推荐 #

直播结束后我们会邀请讲者在微信群中与大家答疑交流，请添加“AI TIME小助手（微信号：AITIME_HY）”，回复“KDD”，将拉您进“KDD会议交流群”！