如何将推荐系统与异构数据巧妙结合——专访微软资深研究员谢幸博士

科技高速发展的社会，人与人之间的交流越来越密切，随之带来了庞大的数据量，然而对于多维度用户而言，在训练个性化模型的过程中，数据依然很少，那么，如何解决数据稀疏问题，挖掘出更多可用数据？如何将数据高效运用于互联网产品的主要承载形式——推荐系统？带着诸多问题，我们采访了微软亚洲研究院（MSRA）资深研究员谢幸博士，一起聊聊异构数据与推荐系统的那些事儿。

谢幸博士，微软亚洲研究院社会计算组资深研究员，并任中国科技大学兼职博士生导师。他分别于1996年和2001年在中国科技大学获得计算机软件专业学士和博士学位， 2001年7月加入微软亚洲研究院。他在国际会议和学术期刊上发表了200余篇学术论文，拥有50余项专利，是ACM、IEEE高级会员和计算机学会杰出会员。

12月7日-9日，中国大数据技术大会（BDTC 2017）将于北京新云南皇冠假日酒店举行，谢幸博士作为“推荐系统论坛”演讲嘉宾，将分享题为《结合跨平台异构数据的推荐系统》的演讲，欢迎与会者现场参与讨论。

个人发展与团队研究

CSDN：请谈谈您及团队在现阶段的研究侧重点或下一步研究和实践（例如应用到哪些领域）计划？

谢幸：我们研究数据挖掘的子课题：用户画像和推荐系统，关注“怎样用数据来刻画一个人”，利用用户产生的数据反过来更深入地了解用户。推荐系统是比较常见的应用，有很大的商业前景，它可以看作用户画像的一个重要应用，用户画像的用途很广，可以用于个体和群体数据建模、个性化或预测等。

现阶段研究重点主要为深度学习与推荐系统的结合。深度学习在计算机视觉、语音、自然语言处理都有很好的应用，在推荐系统里