报告题目：AutoML在推荐系统特征交互建模中的应用
报告人：唐睿明
报告时间：4月27日 （周二） 14:30-15:10
报告地点：管理楼1418
报告摘要：
如何建模特征之间的交互关系，在推荐系统中至关重要。传统的Logistic Regression模型，简单有效，依赖专家经验进行特征交互设计。Factorization Machine模型有效建模了二阶特征交互。而深度学习模型以其优秀的特征表达能力，在推荐系统占据一席之地。在深度学习模型中，特征交互的设计也是尤为重要。我们对现有的几种设计方式进行总结，并且提出了创新性的方案。AutoML，在计算视觉中的图像分类问题中，自动设计出各种新颖的神经网络，不断刷新各类竞赛的精度上限。我们也会介绍AutoML技术在特征交互的设计上如何发挥优势。
个人简介：华为诺亚方舟实验室推荐与搜索方向资深研究员。东北大学本科，新加坡国立大学博士。他的研究方向包括机器学习、推荐系统、深度学习、强化学习、AutoML、图神经网络等。在推荐系统领域，他的多篇论文发表于国际顶级会议和期刊，如TOIS/TKDE/WWW/IJCAI/AAAI/RecSys/SIGIR/KDD/CIKM/WSDM等。他还担任一些顶级国际会议和期刊的审稿人工作，如TKDE/IPM/SIGIR/KDD/CIKM/WSDM/AAAI等。
