摘要：
推荐系统是解决信息过载问题和挖掘长尾效应极具前景的解决方案。随着大数据、人工智能等领域的兴起和Web 2.0应用的持续大规模增长，各种网络图广泛流行，并自然地呈现出异构、复杂、动态等特征形态。如何利用网络图中丰富的结构信息、动态的时序信息和多样的语义信息进行准确、多样和新颖的推荐至关重要且极具挑战性。报告将围绕基于网络图的时序Top-N推荐中的三个关键问题：（1）用户兴趣漂移识别；（2）物品流行度预测；（3）用户偏好个性化捕获开展讨论，总结并分享团队近年来在该领域取得的研究成果，并对团队在该领域未来的工作进行展望。
报告人简介：
汪洋，博士，副教授，硕士生导师。主要研究方向为智能信息处理、机器学习、推荐系统。主持省厅科研项目3项，在包括Information Processing and Management、Pattern Recognition、Physica A: Statistical Mechanics and Its Applications、Neural Computing and Applications等国内外学术期刊上发表科研论文20余篇，授权发明专利4项。目前担任中国计算机学会数据库专委会委员、软件工程专委会委员、人工智能与模式识别专委会委员以及IPM等国际期刊的同行审稿人。
