报告题目：社会标签预测的张量模型

（Tensor Models for Social Tagging Prediction ）

报告人：Chris  H.Q.  Ding （丁宏强）教授

时间：2011年7月29日上午9：10—10：00

地点：中国人民大学信息楼4层学术报告厅

个人简介：

丁宏强现任美国德州大学阿灵顿分校教授,安徽大学特聘教授。丁宏强于1981年考取李政道教授主持的CUSPEA，赴美国哥伦比亚大学李政道教授领导的研究小组求学，获得哥伦比亚大学博士学位。曾长期工作于美国加州理工学院，美国喷气动力实验室及美国劳伦斯—伯克利国家实验室，并于2007年加入德州大学阿灵顿分校任终身正教授。研究兴趣主要包括数据挖掘、机器学习、信息检索等领域，开创了用PCA和矩阵方法解决这些问题的新领域。曾在NIPS、ICML、KDD、IJCAI、AAAI等多个世界排名第一的会议担任程序委员会成员，并多次担任美国、爱尔兰、香港、以色列等多个国家科学基金会科研项目评审人。曾受邀在加州大学伯克利分校、斯坦福大学、卡耐基梅隆大学、滑铁卢大学、阿尔伯塔大学、Google研究院、IBM研究院、Microsoft研究院、香港大学、香港科技大学、新加坡国立大学、北大、清华做学术报告。发表180余篇研究论文，被引用6180次。在美国获得5百万美元科研基金。

摘要:

基于在一个系统中的用户标签模式和他们的社会网络，社会标签预测推荐对单个项做标注的适宜的标签。这是对三维（用户、项、标签）传统推荐系统的一种概扩，可通过张量构建最佳的模型。在本报告中，首先讨论社会标签的三步图模型，介绍一种用低阶多项式展开模拟三步图模型、非常适宜处理高稀疏性数据集的新型张量分解模型。在多个数据集上的扩展实验以及与二个传统的张量分解方法的比较表明，所提出的新的张量分解模型方