ExplainAble Recommendation and Search (EARS) [罗格斯大学助教 Yongfeng Zhang ] CIPS ATT 16 -2019

报告主题：ExplainAble Recommendation and Search

报告摘要：可解释的推荐和搜索尝试开发模型或方法，这些模型或方法不仅可以生成高质量的推荐或搜索结果，还可以为用户或系统设计者提供直观的结果解释，从而有助于提高系统的透明度，说服力，可信度，公平性和可靠性，这在个性化搜索和推荐方案中更为重要，在这种情况下，用户想知道为什么特定的产品，网页，新闻报道或朋友建议存在于他或她自己的搜索和推荐列表中。本教程侧重于可解释的推荐和搜索算法的研究和应用，以及它们在诸如搜索引擎，电子商务和社交网络等现实系统中的应用。本教程旨在向社区介绍和交流可解释的推荐和搜索方法，并聚集对这个研究方向感兴趣的研究人员和从业者进行讨论，思想交流和研究促进。

邀请嘉宾：张永峰，罗格斯大学（新泽西州大学）计算机科学系的助理教授，研究方向是信息检索，推荐系统，机器学习，互联网经济学。2015届 Siebel 学者，一直致力于可解释的推荐和搜索系统，并组织主持了第一届和第二届可解释性推荐和搜索国际研讨会。