10月10日上午，太阳集团学术讲座系列第一百讲在经管609会议室召开，中国科学院计算技术研究所副研究员庄福振受邀作“基于深度学习的推荐系统研究”的讲座。

讲座伊始，庄福振就信息超载问题提出自己的见解。他从生活中的事例出发，说明要根据用户的偏好等信息进行重构学习，结合用户自身条件的变化，建立用户数据模型，从而推出个性化的系统解决方案。随后，他具体介绍了注意力驱动因子模型，特别指出要基于用户个性收集观察数据，进行精准推送。此外，他提到要结合多个领域进行迁移性推荐，做到举一反三。最后，他提出要根据用户的打分数据等海量数据进行综合分析，从具体强大的样本中挖掘学习数据的本质特征，优化现有系统结构。

庄福振，2011年于中国科学院计算技术研究所获得工学博士学位，目前任职中国科学院计算技术研究所副研究员，从事机器学习和数据挖掘方面的相关研究工作。主持国家自然科学基金3项(其中面上项目2项)，参与重点研发计划和重点项目各1项、国家863项目2项、面上项目1项。近年来在领域顶级、重要国际期刊和会议发表录用论文80多篇，其中SCI检索期刊32篇(IF总和131、7篇 IEEE Transactions论文、1篇ACM Transactions)，CCF B类以上67篇(CCF A 26篇)。发表在SDM2010以及CIKM2010上的迁移学习研究获得了最佳论文提名，博士论文获得了中国人工智能学会优秀博士学位论文，指导员工获得了国际人工智能顶级会议IJCAI2015数据挖掘竞赛第二阶段第一名。Google Scholar总引用1700多次，h-index22。担任KDD、IJCAI、AAAI、CIKM、WSDM等领域国际会议程序委员会委，以及IEEE TKDE、ACM TKDD、IEEE TOC等国际权威期刊审稿人。在高效并行数据挖掘算法方面已经申请专利10项，另外获得软件著作权11项。参与组织开发了中国最早的基于云计算的并行数据挖据平台PDMiner。2015年入选微软青年教师“铸星计划”；2016年获得百度“松果计划”资助；2017年入选中国科学院青年创新促进研究会。

庄福振讲话

会场观众

文：谢安宇 图：南逸朴