T3A: 深度学习与社会计算
内容简介：深度学习最近几年在多个领域取得了重要进展，其优秀的特征表达能力弥补了传统One-Hot的特征表达方式的信息缺失。伴随着深度学习在自然语言处理领域的成功，深度学习技术也逐渐发展到社会计算领域。本次讲座将聚焦深度学习在社会计算领域中的应用，回顾和讨论社会计算中深度学习应用的最新研究进展。特别地，我们将围绕“用户”为核心去梳理最新的研究进展。总体来说，本次讲座将包括三个主要部分：社交用户关系建模、社交用户行为建模以及社交用户生成内容数据建模。本次讲座的目的不是涵盖所有社会计算相关论文，而是试图为听众给出一些通用的建模技巧以及构建社会计算工作中的基本思路，特别是如何使用深度学习技术来解决社会计算问题。
讲者: 赵鑫、李晨亮
赵鑫博士，中国人民大学信息学院讲师。主要研究方向为社交媒体数据挖掘、自然语言处理和信息检索。2014年获得北京大学博士学位，已在数据挖掘、信息检索、自然语言处理等领域的著名国际期刊和会议发表相关论文40余篇，据谷歌学者统计被引用1000余次。担任WWW、ACL、EMNLP、CIKM、IJCAI、AAAI、ACM TOIS/TKDD/TIST、IEEE TKDE等著名期刊会议评审，AIRS 2016和CCL 2015/2016出版主席。曾获北京大学优秀博士学位论文、微软亚洲学者、谷歌博士奖研金等。
个人主页：http://info.ruc.edu.cn/academic_professor.php?teacher_id=55
李晨亮博士，武汉大学计算机学院软件工程国家重点实验室副教授，中国中文信息学会青年工作委员会委员，ACM和CCF会员。主要研究领域为信息检索、数据挖掘(文本挖掘)、自然语言处理、社交媒体分析等，在著名国际期刊与学术会议IEEE TKDE，SIGIR，CIKM，JASIST等发表论文十余篇。担任 IEEE TKDE、ACM TOIS、ACM TWeb、WWWJ、SIGIR、EMNLP、Information Sciences、Neurocomputing等国际著名学术期刊与会议评审。
个人主页：http://lichenliang.net/
日程安排：
09:00-09:20
社会计算概览
介绍基于社交用户为中心的社会计算中所涉及到的基础任务需求，包括用户画像、链接预测、专家找寻，个性化服务等主要应用和传统的解决方案。
09:20-10:20
社交用户文本数据
用户产生文本的特征表示学习与语义理解、面向用户理解的个性化在线服务算法（在线广告、标签推荐、搜索多样化等）所涉及的RNN、CNN、LSTM以及相关Attention机制
10:20-10:30
休息
10:30-11:15
社交用户关系建模
主要以network embedding作为主要技术点，包括一些基本的network embedding模型（包括DeepWalk、LINE、Node2vec等），同时也包括一些拓展工作（包括异质关系网络融合表示）
11:15-12:00
社交用户行为建模
主要讨论一种较为通用的社交用户行为数据模型，即Sequential data models。涉及到的主要应用工作为地理位置推荐、产品推荐等，所使用的模型包括embedding模型、RNN等。