直播 | 清华大学王晨阳：轻量级Top-K推荐框架及相关论文介绍

「PW Live」是 PaperWeekly 的学术直播间，旨在帮助更多的青年学者宣传其最新科研成果。我们一直认为，单向地输出知识并不是一个最好的方式，而有效地反馈和交流可能会让知识的传播更加有意义，从而产生更大的价值。

推荐系统中基于深度学习的方法近几年来层出不穷，然而不同工作间实验设定和实现细节的差异使得我们很难直接比较不同论文的相对效果，也有论文针对推荐领域中实验的可复现性提出了质疑，认为表面的百花齐放背后其实隐藏着长时间的停滞不前。

本期 PW Live，我们邀请到清华大学计算机系人智所信息检索课题组的博士生王晨阳，为大家带来 ReChorus: 一个轻量级 Top-K 推荐框架及相关论文介绍的主题分享。

对本期主题感兴趣的小伙伴，7 月 16 日（周四）晚 8 点，我们准时相约 PaperWeekly B 站直播间。

分享提纲

清华大学计算机系人智所信息检索课题组基于最近发表在 SIGIR’20 工作的代码，整理出了一个轻量级的 Top-K 推荐框架 ReChorus，旨在分离模型间共同的实验设定和不同的模型设计，使得各个模型能够在一个公平的 benchmark 上进行对比。

ReChorus 足够简单易上手，既适合初学者了解推荐领域的经典模型，也适合研究者基于此快速实现自己的想法；同时 ReChorus 足够灵活，可以轻松适配个性化的数据格式和评测流程。

除此之外，我们会介绍目前 ReChorus 中表现最好的模型——引入商品关系和时间动态性的商品表示。这个工作显式建模了目标商品和近期交互商品之间的关系，以及不同关系所产生的影响如何随时间变化。实验表明该方法得到的商品表示可以灵活地应用于各种推荐算法并取得显著的效果提升。

本次分享的具体内容有：

• ReChorus 推荐框架介绍

• 实例演示如何基于 ReChorus 实现新模型

• 相关论文方法介绍

嘉宾介绍

 王晨阳 / 清华大学计算机系博士生 

王晨阳，清华大学计算机系人智所信息检索课题组二年级博士生，研究方向为推荐系统中用户的动态需求，主要包括序列推荐、引入知识及时间动态性的意图理解等，在 WWW、SIGIR 等会议发表多篇论文。

直播地址 & 交流群

本次直播将在 PaperWeekly B 站直播间进行，扫描下方海报二维码或点击阅读原文即可免费观看。线上分享结束后，嘉宾还将在直播交流群内实时 QA，在 PaperWeekly 微信公众号后台回复「PW Live」，即可获取入群通道。

B 站直播间：

https://live.bilibili.com/14884511

合作伙伴

????

现在，在「知乎」也能找到我们了

进入知乎首页搜索「PaperWeekly」

点击「关注」订阅我们的专栏吧

关于PaperWeekly

PaperWeekly 是一个推荐、解读、讨论、报道人工智能前沿论文成果的学术平台。如果你研究或从事 AI 领域，欢迎在公众号后台点击「交流群」，小助手将把你带入 PaperWeekly 的交流群里。