报 告 人：CCF@U走进上海大学

报告时间：12月16日（周五）14:00～17:30

报告地点：腾讯会议：933-745-193

邀 请 人：朱能军 讲师

报告议程：

14:00-14:05 骆祥峰 研究员，上海大学

 领导致辞

14:05-14:50曹  健 教授，上海交通大学

 推荐时代：超越电子商务场景的推荐系统应用

14:50-15:35 刘建勋 教授，湖南人文科技学院副校长

 Web服务推荐方法研究

15:35-16:20 胡  亮 教授，同济大学

 金融推荐系统的投资策略优化和隐私安全协同

16:20-17:05 刘  浩 助理教授，香港科技大学（广州）

 基于图表示学习的城市智能交通系统构建

17:05-17:30

 总结合影

协办单位：CCF协同计算专业委员会

主办单位：上海大学计算机工程与科学学院

报告人简介:

曹健，上海交通大学长聘教授、计算机系网络与服务计算研究所所长。主要研究方向为：智能数据分析，网络与服务计算，协同信息系统。近五年来主持项目近30项，其中包括多项国家重点研发计划/863课题、国家自然科学基金课题，上海市科委重点项目，并和国内外单位进行合作研究。成果应用于金融服务、智能运维、个性化旅游服务和个性化医疗领域。获得省部级科技进步奖励8项，入选教育部新世纪优秀人才资助计划。在国内外发表论文300多篇。目前为IEEE高级会员，中国计算机学会杰出会员，中国计算机学会协同计算专委会常务成员、服务计算专委会委员。

报告题目：推荐时代：超越电子商务场景的推荐系统应用

摘要：目前，推荐系统主要被用于电子商务领域，然而推荐系统在许多场景下都有应用价值。在本报告中，将介绍如何将推荐技术用于业务流程、医疗方案、开源社区等场景，并讨论如何结合不同领域的特点进行推荐技术的应用。

刘建勋，博士、教授，现任湖南人文科技学院副校长，湖南科技大学博士生导师，曾任湖南科技大学计算机学院院长、校网络信息中心主任。分别于1997与2003毕业于中南大学（原中南工业大学）计算机系与上海交通大学计算机系，获工学硕士以及工学博士学位。2004.9-2007.8在中国科学院计算技术研究所从事博士后研究工作。2008.1受国家留学基金委公派到加拿大渥太华大学信息技术与工程学院做访问学者1年。现为湖南省计算机学会常务理事，中国计算机学会服务计算专业委员会常委，中国计算机学会普适计算专业委员会委员， CCF YOCSEF 委员，CCF长沙执委，CCF YOCSEF 长沙荣誉委员（2012-2013年度主席）。曾任湖南省制造业信息化专家组专家。于2009年获得湖南省第11届五四青年奖章，入选教育部新世纪优秀人才支持计划，2010年获得湖南省杰出青年基金项目支持，2014年获国务院特殊津贴。主要的研究方向：服务计算与云计算、工作流管理的理论与应用、大数据与商务智能、移动计算等。在国内外学术刊物IEEE TSC, IEEE TPDS, IEEE TKDE, IEEE T Cybern.,IEEE TBD, IEEE TNSM, ACM TWeb以及AAAI, IJCAI, IEEE ICWS等国际会议上发表学术论文100多篇，其中被SCI收录50余篇。正主持或已完成国家自然科学基金面上项目、国家重点研发项目课题、国家973课题、863子课题以及部省项目20余项。主持获湖南省科技进步二等奖与省自然科学三等奖各1项，获省教学成果一等奖1项。

报告题目：Web服务推荐方法研究

摘要：Web服务是一种依赖于Internet，具有开放与标准的接口协议，可为用户或其它的Web服务提供服务功能的软件组件。随着互联网的快速发展与普及，人们对基于互联网环境的软件与服务产生了旺盛需求，互联网上业已出现大量的开放Web服务或者Web API，通过服务组合构建软件系统已成为一种可能，其可显著降低互联网软件开发成本，实现快速部署，而在该过程中，如何发现或者推荐相应的服务或者服务集合是一个关键与核心的问题。本报告将简要介绍服务推荐的基本概念、形式、分类，并介绍讲者在这一方面开展的一些探索性的工作以供大家交流、讨论。

胡亮，同济大学电子与信息工程学院教授；兼任深兰科技（上海）首席人工智能科学家。上海海外高层次人才，国家海外高层次青年人才。获上海交通大学计算机应用技术博士学位及澳大利亚悉尼科技大学分析学（Analytics）博士学位。研究领域包括机器学习、推荐系统、数据科学、隐私计算，以及交叉融合的新一代智能技术。在非独立同分布机器学习方法和智能推荐系统的研究方向已发表了中国计算机学会（CCF）所推荐的高水平刊物近50篇，包括WWW，IJCAI，AAAI，ICDM，ICWS，TOIS，IEEE-IS等，其中CCF A类刊物20余篇。所提出的基于非独立同分布学习的推荐系统理论和方法，为解决广泛存在的异构和耦合问题做出了重要贡献，其中涉及跨域学习、多元关系学习、行为序列分析与预测、多目标优化等众多机器学习方法与推荐系统结合的研究方向，所产出的成果已成功实施于国内外多个不同领域的项目中。此外，在众多高水平人工智能国际会议（IJCAI、AAAI、ICDM、CIKM、KDD等）担任程序委员会委员，并担任十余个著名人工智能和数据科学相关的国际期刊的审稿人，包括ACM CSUR、IEEE TKDE、ACM TOIS、IEEE TPAMI等。以联席主席身份在IEEE ICDM、DSAA等多个著名国际学术会议上组织了关于人工智能、神经网络和推荐系统的多个研讨会(Workshop)和特别专题（Special Session）在IJCAI、AAAI、KDD、SIGIR、ICDM等多个顶级人工智能及数据科学会议上，进行了近10个关于智能推荐系统的专题报告（Tutorial）。

报告题目：金融推荐系统的投资策略优化和隐私安全协同

摘要：智能推荐系统是人工智能和大数据技术与实际应用结合最为紧密的一个研究方向，近年来已经在电子商务、交通、医疗等不同领域日益成为不可或缺的预测和决策工具。随着AI技术逐步渗入到金融领域，金融智能推荐系统也在产品推荐、情感分析、风险管理、组合优化等众多金融服务中扮演着愈发举足轻重的角色。在本次报告中，将会以当下流行的因子投资法为例，通过人工智能的方法进行因子挖掘、筛选、组合，从而能够持续推荐最为有效的因子作为投资依据。此外，对投资风险的管理也是金融行业中最为重要的组成部分，而组合投资的方式能够有效规避风险，因此，通过金融推荐系统来寻求最优化的组合投资策略，也是另一介绍的内容。

金融系统安全不仅关乎国家经济命脉，也联系着个人财产隐私。因此，近年来已出台一系列如《国家数据安全法》、《个人隐私保护法》等一系列法律法规。而为了充分发挥金融市场的作用，就需要打通各行各业各个领域，而这样势必面临跨域数据安全的挑战。为此，在本次报告中将介绍基于联邦学习方法来打造跨域安全的金融推荐系统，在不泄露用户隐私、不暴露各方原始数据的前提下，在保险公司、银行、股票交易所等金融机构之间建立起跨域协同学习的机制，从而更全面的建模用户偏好和建立用户实时画像，能够在保障用户隐私的前提下，进行安全协同为用户提供更优质的服务。

刘浩，博士，香港科技大学（广州）人工智能学域助理教授、博导，国家海外高层次青年人才。曾任百度研究院资深研究员。研究兴趣主要为时空数据挖掘、图神经网络、强化学习及其在智慧城市领域的应用。近三年在SIGKDD、SIGIR、AAAI、TKDE等国际顶级会议和期刊发表论文30余篇，申请中美专利47项。因其在城市计算和智能交通领域的研究入选福布斯中国 30U30 榜单。

报告题目：基于图表示学习的城市智能交通系统构建

摘要：近年来，城镇化的快速推进和移动设备的普及产生了巨量城市大数据，如移动轨迹、交通态势、兴趣点（Point-of-Interest）演化等，给城市交通系统和互联网地图服务提供了新的发展机遇。本次报告主要分享我们最近在城市智能交通服务构建方面的进展，具体包括：1）面向城市态势预测的建模和理解技术，提升城市供需预测准确率；2）个性化和情境感知的多模式交通智能推荐技术，提供产品级的一站式出行路线规划。