报 告 人

鲍秉坤 南京邮电大学二级教授，博士生导师，国家杰青

报告时间

2025年4月12日（周六）上午10:20-10:50

报告地点

台州学院国际会议厅

报

告

内

容

简

介

报告内容简介：

多模态推荐旨在通过挖掘用户行为数据与多模态内容数据实现个性化推荐。但实际场景中，由于用户行为随机性大、媒体内容表述模糊，形成了低质的数据环境，导致推荐系统面临偏好捕获失真的核心挑战。现有研究虽在行为数据去噪方面取得进展，但对低质内容数据的治理机制尚未形成体系化解决方案。针对上述挑战，基于贝叶斯个性化排序损失框架的理论分析切入，发现低质内容数据会引发隐空间中潜在特征分布畸变，破坏了正负样本的对比学习机制，导致梯度更新方向发散，进而阻碍损失函数的有效收敛。基于此认知，提出三阶段改进方案：首先构建多视角行为引导的图卷积网络，通过建立行为引导的内容特征筛选，实现噪声特征的动态过滤；然后通过设计差异化行为信息提取方法，实现更有效的特征过滤；最后设计基于解耦重构的通用增强模块，通过行为驱动的内容特征解耦，将原始特征映射至细粒度行为关联空间，从而重构出高信息价值密度的内容特征。

报告人简介：

鲍秉坤，南京邮电大学计算机学院、软件学院、网络空间安全院长，二级教授，博士生导师，国家杰出青年科学基金获得者、中组部WR计划青年拔尖人才、江苏省杰青。研究方向为多媒体计算、数据挖掘、社交多媒体、计算机视觉等，主持国家科技创新2030-“新一代人工智能”重大项目、国家自然科学基金重点项目等。近年来，在 IEEE TIP /TMM /TCSVT /CVPR /AAAI /ACM MM /ACM TKDD等发表论文120余篇。曾获2018年度电子学会科学技术（自然科学类）一等奖、多媒体领域重要期刊ACM TOMM 2016年度最佳论文奖、IEEE MM 2017年度最佳论文奖等多项学术奖励。获评ICME 2020 Outstanding Areas Chair。

承办学院

电子与信息工程学院

发布日期

2025-04-09

欢迎广大教师、学生参加！