知识驱动的智能化推荐算法研究进展汇报汇报⼈：赵鑫单位：中国⼈民⼤学研究⽅向：用户兴趣挖掘与推荐系统汇报提纲•个⼈简介•早期代表性⼯作简介•拟深⼊研究内容介绍•总结汇报提纲•个⼈简介•早期代表性⼯作简介•拟深⼊研究内容介绍•总结学习⼯作经历•2014年⾄今，中国⼈民⼤学，教师–⼊选第⼆届CCF青年⼈才托举计划（2016年中国⾼校青年教师共6⼈）•2008~2014年，北京⼤学，博⼠–师从李晓明教授–CCF优博提名、北京⼤学优秀博⼠论⽂–微软学者奖学⾦（2012年亚太⾼校10⼈）–⾕歌博⼠奖研⾦（2011年中国⼤陆⾼校4⼈）学术服务•多个国际顶级期刊与会议的评审–国际会议：SIGIR,SIGKDD,CIKM、WWW、IJCAI、ACL、EMNLP、COLING–国际期刊：ACMTOIS/TKDD/TIST/TBD,IEEETKDE/TMC/TBD/TMM•其他组织性学术任职–SIGIR’20SeniorPC–CIKM’20shortpapertrack,seniorPC–EMNLP’19领域主席–CIKM’19本地主席–NLPCC’17领域主席–SMP’17领域主席–第⼗⼆届亚洲信息检索会议出版主席–2015/2016年全国计算语⾔学学术会议出版主席–中⽂信息学会青⼯委委员和社会媒体处理专委会委员科研情况•发表论⽂情况–发表论⽂80余篇–以主要作者发表论⽂（全程参与⼯作、写了全部论⽂⽂字）•20篇CCFA类论⽂、12篇CCFB类论⽂•CIKM’17最佳短⽂提名•AIRS’17最佳论⽂–⾕歌学术统计引用次数3200余次•单⽂最⾼引用过1100次•研究⽅向–用户兴趣理解与个性化推荐技术•早期代表⼯作1：社交用户话题语义理解•早期代表⼯作2：面向社交平台的个性化推荐系统汇报提纲•个⼈简介•早期代表性⼯作简介•拟深⼊研究内容介绍•总结代表⼯作⼀：社交用户话题语义理解ECIR’11首次提出⼀种针对微博短⽂本的主题模型•引用1165次•Twitter-LDA成为短⽂本主题抽取的基线⽅法之⼀•向近百⼈共享代码提出了⼀系列面向社交⽂本的主题模型以及相关技术代表⼯作⼀：社交用户话题语义理解ECIR’11首次提出⼀种针对微博短⽂本的主题模型EMNLP’10首次提出引⼊弱监督信息来联合抽取主题与情感词汇•引用1165次•Twitter-LDA成为短⽂本主题抽取的基线⽅法之⼀•向近百⼈共享代码•引用398次•被Standford/UIUC等著名机构学者引用、拓展提出了⼀系列面向社交⽂本的主题模型以及相关技术代表⼯作⼀：社交用户话题语义理解ECIR’11首次提出⼀种针对微博短⽂本的主题模型EMNLP’10首次提出引⼊弱监督信息来联合抽取主题与情感词汇ACL’11首次提出使用主题短语进⾏微博热点内容摘要...
