7月11日下午14：30分，自助领体验金不限id开展了《管理科学与工程及交叉学科》系列学术讲座第三期活动。本次活动邀请到了北京航空航天大学吴俊杰教授、中国科学院数学与系统科学研究院研究员赵文虓进行学术讲座。讲座题目分别为“用户细粒度偏好感知的深度推荐系统”与“非平稳随机系统的稀疏参数辨识”。本次讲座由学院院长莫立坡主持。
会议伊始，院长莫立坡教授向参与本次活动的师生们介绍了两位讲座老师的基本情况及学术研究成果，并代表学院对两位老师的莅临指导表示热烈欢迎。随后，莫院长介绍了学院学科建设等基本情况。
吴俊杰教授首先对我司学科融合建设的工作进行了肯定，并表达了对我司新文科建设和商科数字化转型的支持。随后，吴教授开始了题为“用户细粒度偏好感知的深度推荐系统”的讲座。在分析报告题目时吴教授解释到，在人工智能不断应用的背景下，深度学习技术不断发展使刻画细粒度偏好成为可能。吴教授介绍了推荐系统产生背景、完善过程以及发展的动力支撑等内容，他强调，数字经济时代的到来催生了推荐系统服务模式的变革，使其成为流量入口、资本风口，多模态数据的收集为推荐系统的发展提供了有力的支撑。吴教授同时谈到，推荐系统的基本问题在于用户刻画和内容匹配两大方面，基本支柱在于深度学习领域。研究主要聚焦搭建神经网络框架，构建产品及用户内在联系。通过疫情趋势分析等实际案例，吴教授解释了推荐系统深度化这一理念。同时，他讲解了基于项目信息实现协同过滤的基本概念，并着重强调了“产品共现”这一名词的含义、作用以及应用领域。最后，吴教授以产品共现这一前提为基础，提出了基于产品成对关系的深度推荐和基于产品的网络推荐两大研究方向。针对第一个研究方向教授指出其重点在于记录海量购买关系获得产品表象特征进一步刻画潜在用户偏好。基本框架为从产品多维表征出发获取产品一维表征再获取产品对应表征的过程。针对第二个研究方向，教授则强调，要运用去噪等方法将产品共现关系拓展为产品共现网络，使信息更好的服务于推荐系统。
随后进入了此主题的提问环节，莫立坡院长就学院发展趋势征求吴教授在学科融合方面的宝贵建议。吴教授回答道，从研究领域来看，要有针对性的加入预测技术，在双边平台要关注博弈问题，以吸引更多的人参与其中。从研究范式的角度来看，要着重关注优化及实证两大主流范式，同时要加入实例研究来解决非框架问题。吴教授的回答清晰详实，使老师和同学们受益匪浅。
赵文虓教授向大家介绍的主要是非平稳随机系统的稀疏参数辨识问题。报告主要分为问题介绍说明、算法的构造、算法的理论性质的分析以及仿真模拟四个部分。稀疏参数辨识和变量选择是系统控制、信号处理、统计与机器学习等领域共同关注的问题。目前，随机系统在非平稳观测数据下的相关研究还比较少见。本报告中，赵教授将问题转化为辨识稀疏的未知参数向量中的零元与非零元。首先，给出L2准则函数与L1惩罚项相结合的辨识算法；其次，在非平稳框架下基于适当的激励条件，证明了辨识算法同时具有“参数收敛”与“集合收敛”；最后，可以证明所给出的激励条件包含经典的“持续激励条件”作为特例。
针对赵教授的报告内容，老师们也基于自己的研究情况提出了问题。关于报告中的假设，莫立坡院长提出不同的算法为何会有不同假设的问题，赵教授回答道第一个假设是出于简单化证明处理，第二个假设则是借鉴了前辈院士的研究成果；高彦平老师提出系统参数辨识算法中参数大小对计算复杂度以及计算量是否会有影响，从算法的表达式来看，赵教授认为，参数大小对结论没有影响，最后赵教授对算法和计算两方面做出了进一步说明。
最后莫院长再次向两位教授表达了感谢，相信老师和同学们在本次讲座中也是收获颇多，启发颇多。学院学术论坛活动必将不断助力我司学科融合发展与数字化转型迈上新的台阶。
