直播報名丨網路「垃圾」太煩？兩大AI演算法護你購物無憂 【KDD 2020】

  • 2020 年 8 月 24 日
  • AI


在複雜多變的網路環境中，如何優化消費者的線上購物體驗，是所有電商從業者的焦點之一。想像一下：如果用戶瀏覽手機或網頁時，時間有限，但垃圾資訊與虛假資訊鋪天蓋地、障人眼目，用戶的心情是輕鬆、愉快，或不耐煩、暴躁？

「智慧推薦」或「個性化推薦」在線上購物、廣告瀏覽與資訊傳播等場景中的應用越來越廣泛。基於用戶的點擊、點贊、評論、收藏、轉發等等瀏覽行為進行建模，是演算法推薦的常見操作。然而，推薦系統也會因為缺少用戶的使用數據（如用戶第一次登錄某網頁）面臨尷尬的「冷啟動」問題。

消費者在線上購物時，因為無法近距離觸摸與體驗商品，所以在下單前，他們往往會參照其他用戶對商品的評價。但是，網路評價中經常夾雜著各種各樣的水軍評論與垃圾評論，對商品進行虛假描述，讓消費者難辨真假。水軍的套路千變萬化，一時一個樣，確實很難摸透。但是，目前很多探測系統都致力於提升探測垃圾評論的準確率，而忽略了產生實際影響的高級水軍。

因此，智慧推薦與垃圾消息過濾成為當今網路應用的主要研究熱點之一。8月26日、27日連續兩天，我們有幸邀請到兩位KDD論文作者，分別是來自騰訊微信搜索應用部的陸元福同學和來自伊利諾伊大學芝加哥分校的在讀博士生竇英通同學，為大家帶來直播分享。

陸元福同學提出MetaHIN模型，將元學習與異質資訊網路相結合，在數據與模型方面雙管齊下，改善冷啟動推薦系統。在數據層面，MetaHIN將推薦場景構建為異質資訊網路(heterogeneous information network, HIN)，通過高階圖結構建模豐富的語義資訊。在模型層面，MetaHIN結合近年較火的元學習（meta-learning），能夠快速適應標記數據稀疏、缺少新用戶與新產品的交互數據而衍生的新任務，從模型上緩解了冷啟動推薦問題。研究表明，MetaHIN模型在許多基準測試中有出色的表現。

針對網路評論中的水軍現象，竇英通同學應用極大極小博弈（minimax game）演算法來解決這個問題。在這個演算法的設計中，水軍與水軍探測器相互博弈。博弈分為兩個非獨立的馬爾科夫決策過程（Markov Decision Processes），作者運用強化學習中的多臂賭博機（multi-armed bandit）和策略梯度（policy gradient）方法進行建模和優化。實驗結果顯示，文中提出的演算法能有效檢測危害較大的水軍並降低平台的損失。


直播一：用於冷啟動推薦的異質資訊網路元學習方法

直播時間：8月26日（周三晚）20:00整

分享嘉賓：陸元福

嘉賓簡介：北京郵電大學電腦學院碩士，騰訊在職，主要從事演算法研究，曾以第一（學生）作者身份在IEEE TKDE、KDD等權威期刊會議上發表多篇學術論文，併入選騰訊2019犀牛鳥精英人才培養計劃。      

論文名稱：《Meta-learning on Heterogeneous Information Networks for Cold-start Recommendation》

論文鏈接：//aminer.cn/pub/5f03f3b611dc830562232019?conf=kdd2020

開源程式碼：//github.com/rootlu/MetaHIN

分享背景：推薦系統旨在預測用戶對物品的偏好，從而向用戶提供其感興趣的商品，為用戶解決資訊過載問題。為了緩解推薦系統中異質資訊網路的「冷啟動」問題，我們提出MetaHIN模型。MetaHIN在模型層面探索了元學習的能力，同時在數據層面研究了異質資訊網路的表達能力。在MetaHIN中，我們提出使用多方面的語義上下文來增強每個用戶的任務，因此設計了一種新穎的語義增強型任務構建器，用於在元學習場景中捕獲異質資訊網路中的語義資訊。進一步地，我們構建了一個協同適應元學習器。該學習器既具有語義層面的適應性，又具有任務層面的適應性。


直播二：欺詐檢測研究現狀以及欺詐者對抗行為建模

直播時間：8月27日（周四晚）20:00整

分享嘉賓：竇英通

嘉賓簡介：伊利諾伊大學芝加哥分校在讀博士生（四年級），研究方向為圖數據挖掘，欺詐檢測與機器學習安全。    

論文名稱：《Robust Spammer Detection by Nash Reinforcement Learninmg》

論文地址：//aminer.cn/pub/5f06ae449e795eee175e15ae?conf=kdd2020

開源程式碼：//github.com/YingtongDou/Nash-Detect

分享背景：羊毛黨、水軍等各種灰黑產在社交網路和互聯網金融中十分常見。本次分享將主要介紹欺詐檢測問題在學術界的研究現狀，以及如何將圖神經網路和強化學習應用到欺詐檢測問題中。

分享提綱：

1、欺詐檢測問題背景及案例

2、欺詐檢測研究路徑及現狀

3、KDD20：利用博弈論和強化學習建模欺詐者的對抗行為

4、SIGIR20&CIKM20：利用圖神經網路檢測偽裝的欺詐者

5、欺詐檢測相關資源推薦

      

如何加入？

掃描二維碼進直播交流群，進群觀看直播和獲取課程資料，與老師直接交流。

雷鋒網雷鋒網雷鋒網

Tags:

VirMach 便宜 VPS