2022年11月20日，中文信息学会走进北京邮电大学学术报告会于线上成功举行。本次会议由中国中文信息学会青年工作委员会（青工委）和北京邮电大学联合组织，应北京邮电大学王鹏飞老师的邀请，青工委委员清华大学张敏老师、中国科学技术大学连德富老师、山东大学任昭春老师和东北大学郭贵冰老师参加了报告会。
报告开幕时，青工委学术沙龙主席张家俊老师进行了开幕致辞，并向参会听众介绍了青工委。而本场沙龙的主持人王鹏飞老师为我们对四位老师进行了介绍。
首先清华大学张敏老师带来题为《新一代泛在式用户理解与个性推荐》的报告。个性化推荐已经成为人们生活中不可或缺的一种信息获取途径。然而，受限于当前常见的人机交互方式，现有个性化推荐系统局限于电脑或手机互联网平台。张老师认为，随着各种可穿戴设备以及先进传感设备在生活中越来越广泛的应用，个性化推荐即将迎来一个新的时代。基于对真实世界上下文感知的泛在式用户理解与个性化推荐方法，是未来推荐系统的发展趋势，但目前较少有工作涉及。另一方面，互联网上的信息获取方式，也有可能反哺人们在物理世界中的行为或认知。报告了介绍了清华大学信息检索课题组（THUIR）在这一研究方向上的最新进展。包括基于可穿戴设备的个性化用户心理特质判断，用户情绪感知，基于脑电信号分析的用户理解，以及基于泛在式用户情绪理解与增强的个性化推荐研究。相关成果已发表在相关领域顶级国际会议和期刊上。最后报告对未来研究方向进行了探讨。
中国科学技术大学的连德富带来了题为《推荐系统算法研究进展》的报告。推荐系统在工业界取得了巨大成功。和机器学习模型一样，推荐系统分成离线训练和线上服务的过程。连老师首先介绍推荐离线训练时的基础组件，包括按塔分类的推荐模型、常见的推荐损失、新颖的高效精准推荐采样等。接着进一步介绍针对推荐系统线上服务的两个阶段（高效率召回和高精度排序）的优化设计，包括支持高效近似搜索的索引端到端构建方法、深度推荐模型的压缩方法。最后，报告介绍了团队基于这些基础研究来开发的RecStudio模块化开源推荐框架。
山东大学任昭春老师带来了题为《基于用户偏好与知识补全的对话式推荐系统研究》的报告。对话式推荐系统通过与用户的交互向他们推荐商品，通过询问的方式获取用户偏好并利用外部知识引入更丰富的语义信息。针对在对话式推荐系统中如何更精准获取用户偏好以及如何处理外部知识的稀疏与不完整性两个问题，任老师团队提出了基于变分推理的解决思路。为了解决对话式推荐中用户偏好追踪问题，提出了UPCR模型，通过追踪用户长、短期偏好来建模用户偏好分布，并使用策略网络根据用户偏好预测主题与推荐商品。为了解决对话式推荐系统中外部结构化知识引入过程中的稀疏和不完整问题，充分利用对话式推荐任务中携带的大规模对话语料来动态地完善知识图谱并选择与对话语境更相关的知识。通过变分推理逼近获取目标知识子图并利用推理出的子图，从而进行下游推荐和回复生成任务。模型在两个公开的对话式推荐数据集上进行了充分的实验，证明了提出方法在对话式推荐任务上的有效性。
本次报告通过腾讯会议的方式进行，吸引了众多对推荐系统感兴趣的师生以及业界人士观看。各位老师从不同方面、不同角度为我们带来了推荐系统的前沿知识，也给听众留下了深刻的印象。
