【時(shí)間】2026年1月15日（周四）下午14：30 開始

【地點(diǎn)】線下講座，9B406會議室

【主題】基于圖神經(jīng)網(wǎng)絡(luò)和大語言模型的可信推薦系統(tǒng)

【主講人及介紹】  

    羅斯淳，2025年博士畢業(yè)于香港城市大學(xué)。現(xiàn)任華南理工大學(xué)與東莞理工學(xué)院聯(lián)合培養(yǎng)博士后。主要研究方向?yàn)榇笳Z言模型和推薦系統(tǒng)。

【內(nèi)容簡介】    

    可信推薦系統(tǒng)旨在超越單純的性能指標(biāo)，重點(diǎn)關(guān)注公平性、隱私和可靠性。然而，現(xiàn)有推薦系統(tǒng)面臨著長尾分布導(dǎo)致的不公平、分布式數(shù)據(jù)處理中的隱私泄露風(fēng)險(xiǎn)以及傳統(tǒng)推薦模型可靠性不足等挑戰(zhàn)。為解決這些問題，提出了一系列利用圖神經(jīng)網(wǎng)絡(luò)和大語言模型的創(chuàng)新框架：針對公平性，提出了基于圖增強(qiáng)的GALORE模型，通過兩階段訓(xùn)練優(yōu)化長尾物品推薦；針對隱私保護(hù)，設(shè)計(jì)了結(jié)合自監(jiān)督預(yù)訓(xùn)練與用戶聚類的聯(lián)邦推薦框架PerFedRec++；針對可靠性，提出了RecRanker模型，通過指令微調(diào)將LLM轉(zhuǎn)化為高效的Top-k推薦排序器。實(shí)驗(yàn)結(jié)果表明，與現(xiàn)有方法相比，所提出的框架在顯著提升推薦精度的同時(shí)，有效增強(qiáng)了系統(tǒng)的公平性、隱私保護(hù)能力和可靠性。

誠摯歡迎廣大師生參加。