2022年5月6日上午9点30分，计算机科学与技术学院第二届“研学论道”研究生学术沙龙第一期（总第十六期）顺利举办。王喆副院长出席了本期活动，王院长回顾了第一届学术沙龙取得的丰硕成果，并对第二届的成果统计数据给予充分肯定。他表示，第一届学术沙龙活动在学院产生了积极反响，并营造了良好的学术氛围，本次成果统计仅在4个月时间就涵盖了14篇A类成果，这一学期，学院将赓续上一届的沙龙精神，继续邀请在学术上取得优异成绩的同学做学术分享，为我院研究生打造一个更好的科学研究与学术交流的平台。本期邀请了2020级硕士生庞皓宇和2020级硕士生刘永皓进行学术分享，他们分享的主题分别是“推荐系统”和“图表示学习”。本次分享由计算机科学与技术学院研究生会干事王子昌主持，受疫情影响，活动采取线上形式进行。学院各级同学踊跃参与并积极提问，充分体现了我院学子对学术的热忱和求知的渴望。
上半场，讲者庞皓宇针对“元学习在个性化冷启动推荐中的应用”带来了两篇论文的学术分享。讲者在他的第一篇论文中指出迁移学习无法实现共性与个性的权衡，于是提出在推荐系统中使用元学习，同时指出这种方法会遇到的问题，首先是Hessian矩阵的计算会涉及大量的运算，这将影响模型的运行效率，而且这种模型难以收敛和有效学习预测层的特征交叉能力，为此提出在内部更新时只改变嵌入层的参数，在外部更新时更新全部参数的方法来解决。其次是传统方法在推荐时存在个性化不足问题，对此提出了在元学习推荐算法中结合传统机器学习使二者优势互补的方案。最后针对社会人群的群组效应问题提出了调制泛化方案，使得每个用户通过自适应以获得用户特定的模型。此外，讲者描述了模型的整体结构以及优化过程，最后通过实验数据表明了该模型在性能上的显著提升。在第二篇论文中，讲者针对传统推荐系统中应用元学习时所存在的各种问题，提出了一种具有可持续性、可部署性和普适性的元学习推荐算法（DCMR），论文在该算法框架中设计了双重约束采样策略、基于蒸馏的增量更新损失以及无任务划分的一阶元优化算法，从而实现了稳定高效的用户增量更新，最后通过对模型效果的分析证明了该模型的有效性和可用性。
会议下半场由讲者刘永皓针对“图元学习中属性网络的小样本节点分类问题”进行学术分享，讲者指出，现有的针对欧几里得数据的元学习方法存在的局限如下：第一，认为具有相同标签的节点往往是连接在一起的，那么这种模型在异质图中将难以取得良好效果；第二，完全依赖基于实例的统计，这使得模型在数据量不足的情况下会受到数据噪声或异常值的影响；第三，假设所有采样任务都是同等重要的，这忽略了实际中不同任务间存在的差异。为了解决这些问题，论文提出了一种能够快速泛化的小样本节点分类图元学习框架meta-GPS，同时设计了三个模块——网络编码器、基于原型的参数初始化器以及S2转换器，分别解决传统方法存在的三个局限，最后通过大量的数据实验结果证实了该模型的优越性。
汇报结束后，与会同学积极地向讲者提问，譬如对于研一新生来说，由于缺乏科研经历，那么如何才能跟进最新的科研动态以及找到合适的idea？讲者表示，我们需要紧跟一些高级别的会议，根据自己的研究方向来挖掘这些会议论文中的可取之处，同时去关注它们还有哪些潜在的不足并据此来提出自己的想法，最后付诸实践做出自己的模型。
作为本届学术沙龙的第一期学术分享，两位讲者在汇报过程中体现了优秀的表达能力和精深的学术造诣，他们深入浅出地介绍了自己的研究成果，并就同学们的各种问题予以细致解答。各位同学不仅接触到了前沿的学术动态，同时也积累了高效的论文写作方法，从而在我院形成了浓厚的学术交流氛围，取得了良好反响。
“研学论道”研究生学术沙龙会于每周五上午9点30分在腾讯会议定期举行，希望同学们持续关注。
撰稿：盛建华
图片：盛建华
