本期为TechBeat人工智能社区第389期线上Talk。北京时间3月16日(周三)20:00，中国科学技术大学信息科学博士后——陈佳伟的Talk将准时在TechBeat人工智能社区开播！

他与大家分享的主题是: “面向数据偏差和反馈回路的因果推荐系统”，届时将分享团队近期提出的4个因果驱动的推荐纠偏技术，并一起讨论一些未来可行的研究方向。

Talk·信息

主题：面向数据偏差和反馈回路的因果推荐系统

嘉宾： 中国科学技术大学信息科学博士后 陈佳伟

时间：北京时间 3月16日 (周三) 20:00

地点：TechBeat人工智能社区

http://www.techbeat.net/

完整版怎么看？

扫描下方二维码，或复制链接https://datayi.cn/w/z98yGGaR至浏览器，一键完成预约！上线后会在第一时间收到通知哦

Talk·提纲

数据偏差问题是推荐系统中普遍存在的问题，受到广大研究者和从业者的关注。当前推荐模型主要采用数据驱动的方式，即通过构造模型来拟合用户历史行为数据，从而实现对用户兴趣的捕捉并实现推荐。然而这类方法往往会受到严重的数据偏差的干扰——在推荐系统中，数据往往是观测得到的而非实验干预得到的，因此会受到曝光机理、用户选择、物品流行度等方面的影响，导致数据的分布往往不能直接反映出用户的真实兴趣。

因果推理技术可以解析用户行为背后的因果机理，解耦用户兴趣与数据偏差对用户行为的影响，因此近年来受到学术界越来越多的关注。此talk将分享我们团队近期提出的4个因果驱动的推荐纠偏技术，并一起讨论一些未来可行的研究方向。

具体分享提纲如下：

1. 推荐系统背景和生态

2. 推荐数据偏差问题

3. 介绍4个因果驱动的推荐纠偏方法

4. 总结和未来工作展望

Talk·预习资料

[1] Bias and Debias in Recommender System: A Survey and Future Directions

[2] Popularity Bias Is Not Always Evil: Disentangling Benign and Harmful Bias for Recommendation

[3] AutoDebias: Learning to debias for recommendation

[4] Causal Intervention for Leveraging Popularity Bias in Recommendation

[5] Disentangling User Interest and Conformity for Recommendation with Causal Embedding

Talk·提问交流

通过以下两种方式提问都将获得微信现金红包奖励哦！

方式 ①

在Talk界面下的【交流区】参与互动！留下你的打call🤟和问题🙋，和更多小伙伴们共同讨论，被讲者直接翻牌解答！

你的每一次贡献，我们都会给予你相应的i豆积分，还会有惊喜奖励哦！

方式 ②

在本文留言区直接提出你的问题，或扫描下方二维码提问！

Talk·嘉宾介绍

陈佳伟，现中国科学技术大学信息学院数据科学实验室博士后，博士就读于浙江大学计算机学院，主要研究方向为推荐系统，机器学习，因果推理，特别是对于推荐系统中的偏差问题，近年来有一定的研究积累，发表10余篇工作在AAAI, WWW, SIGIR, KDD，CIKM，TOIS，TKDE等国际高质量期刊会议上。同时，他也是SIGIR, ACMMM, AAAI, IJICAI, WWW, TOIS, TKDE等国际期刊会议的审稿人。

个人主页：

jiawei Chen's Homepage (jiawei-chen.github.io)

 长按识别二维码，一键预约TALK！

关于TechBeat人工智能社区

TechBeat (www.techbeat.net) 是一个荟聚全球华人AI精英的成长社区。 我们希望为AI人才打造更专业的服务和体验，加速并陪伴其学习成长。 期待这里可以成为你学习AI前沿知识的高地，分享自己最新工作的沃土，在AI进阶之路上的升级打怪的根据地！

更多详细介绍>>https://mp.weixin.qq.com/s/pTbCK_MeTk05jK2yx1RTrQ