讲座时间：10月12日上午10：00
讲座地点：行政楼2楼国际学术报告厅
主办单位：数学与计算机学院
主讲人简介：李琳博士，女，1977年10月，湖南衡阳人，教授／博导，中国计算机学会CCF会员，中国计算机学会青年计算机论坛（CCF YOCSEF）武汉分论坛AC委员。1999年本科毕业于武汉理工大学电信学院，并留校任教，2002年获武汉理工大学控制理论与控制工程硕士学位，2009年3月获日本东京大学信息理工博士学位。2014年至2015年澳大利亚悉尼科技大学访问学者。
主要研究领域为人工智能和大规模数据分析技术及应用，特别是Web数据挖掘、自然语言处理、推荐系统及信息检索技术。近年以来主持国家基金2项（自然科学基金和社会科学基金）、省部级项目5项及若干企业委托项目。以第一作者或通讯作者在CCF（中国计算机学会）推荐的国际学术会议和学术刊物发表论文十余篇，含人工智能A类国际学术会议 4篇，合作发表其它EI检索国际会议论文二十余篇，出版英文专著2本，中文专著1本，获得湖北省科技进步三等奖和技术发明三等奖。MOOC课程《互联网大规模数据分析技术》于2016年11月在学堂在线平台上上线，目前学生人数超过8000。
报告题目和摘要：
题目：基于LBSN的兴趣点推荐方法
摘要：随着带有GPS定位功能的智能手机越来越普遍,人们喜欢分享他们的地理位置或者通过评论某个地方的商品从而留下用户的足迹,这引发了以共同的兴趣点(POIs)为中心,基于地理位置信息的社交网络研究(location based social network, LBSN).社交网络中的一类典型应用是推荐系统,而推荐系统中最常见的问题是冷启动,即在用户很少点评商家或分享评论时如何为他推荐感兴趣的商家.为解决冷启动问题,我们研究了一系列推荐方法，通过在用户社交网络中挖掘评论文本、地理信息和基于兴趣圈的社会关系等信息，从而提高推荐质量. 以社交关系为例，我们提出的方法在传统矩阵分解模型的基础上考虑不同的兴趣圈上的社会关系,使用的社会关系包括朋友关系(显性关系)和相关专家(隐性关系),并用它们作为规则化项来优化矩阵分解模型.实验数据集来自第5届Yelp挑战赛和自己爬取的Foursquare数据集,提出的方法与已有模型进行了充分的实验对比分析,结果表明,我们的模型特别是在解决冷启动问题方面优于多种现有的方法。
