个人简介： 谢幸 微软亚洲研究院首席研究员，中国科技大学兼职博士生导师。他于2001年在中国科技大学获得博士学位。 他在国际会议和学术期刊上发表了200余篇学术论文，多次在KDD、ICDM等顶级会议上获最佳论文奖，并被邀请在ASONAM 2017、Mobiquitous 2016、SocInfo 2015、W2GIS 2011等会议做大会主题报告。 他是ACM、IEEE高级会员和计算机学会杰出会员，多次担任顶级国际会议程序委员会委员和领域主席等职位。 他是ACM TSC, ACM TIST, ACM IMWUT, GeoInformatica, Pervasive and Mobile Computing等杂志编委。 他参与创立了ACM SIGSPATIAL中国分会，并曾担任ACM UbiComp 2011、PCC 2012、IEEE UIC 2015、以及SMP 2017等大会程序委员会共同主席。

个人简介： 王希廷 微软亚洲研究院研究员。她于2011年在清华大学获得工学学士学位，并于2017年在清华大学获得工学博士学位。 她的研究成果发表在数据挖掘与可视化领域顶级会议和期刊上，包括KDD、TKDE、AAAI、IJCAI、VAST和TVCG等。她的论文被CCF A类期刊TVCG选为封面论文。 她在AAAI等会议担任程序委员会委员，并曾担任TKDE、TVCG、InfoVis等顶级会议或期刊审稿人。

摘要：由于信息的爆炸式增长，推荐系统在互联网服务中扮演着越来越重要的角色，也是学术界和工业界持续的研究热点。与此同时，随着定位技术、传感器和社交网络的高速发展，产生了大量的用户行为数据。这些数据可以全面的反映用户不同维度的特征，大大提高了个性化推荐的性能。在这次讲习班中，我们会介绍个性化推荐系统目前遇到的挑战，例如用户行为数据的异构性和稀疏性、缺乏可解释性等。我们还会介绍如何借助异构数据、知识图谱以及用户活动规律来提升推荐算法性能。在可解释性方面，我们将会介绍可解释推荐系统的分类、推荐解释生成方法以及可解释推荐面临的机遇和挑战。