回放：以人为中心的推荐系统 | CNCC论坛分享

作为典型的跨学科研究领域，“以人为中心的推荐系统”不断吸引大量来自计算机科学与社会科学领域的研究者。本次论坛由微软亚洲研究院谢幸首席研究员担任主席、复旦大学计算机学院卢暾教授担任共同主席，邀请到了美国罗格斯大学张永峰教授、中国科学技术大学何向南教授、复旦大学副教授郑雯老师、清华大学长聘副教授李勇老师、微软亚洲院王希廷研究员共5位特约讲者进行报告，同时，在Panel研讨环节，还邀请到了复旦大学顾宁教授和微软研究院李东胜博士参与，从算法、技术、系统、体验、传播、政策和实践等多维视角分享和探讨“以人为中心的推荐”的前沿研究与发展趋势，引起了线上观众的热烈讨论。

复旦大学卢暾教授

微软亚洲研究院谢幸研究员

美国罗格斯大学计算机系张永峰教授以《构建可信的推荐系统：从浅模型到深模型到大模型》为主题进行了报告，介绍了不同深浅的模型对构建可信推荐系统的影响。通过推荐系统在AI领域的独特性质入手，张永峰教授引入了可信的、负责任的推荐算法。其首先提出了可信推荐系统的几个层面，包括可解释性、公平性、回音式问题和可控性问题，同时也包括其他的层面，如鲁棒性、可靠性、隐私保护性等等；其次，通过三个典型AI任务介绍了主观性AI和客观性AI之间的联系和区别；最后，针对于具体的可信推荐系统的方法，张永峰教授详细介绍了其团队在该领域的代表性成果，如反事实解释和基于反事实解释的公平性问题、可控性问题，以及利用大型语言模型来解决推荐问题。

美国罗格斯大学张永峰教授

偏见在推荐系统中广泛存在，且形式多样，一方面，数据本身的有偏会带来严峻的问题，另一方面，在推荐系统整个闭环中，偏差的存在也会被逐步被放大，其不仅在经济层面损伤精确度和用户信任，同时还会在社会层面对公平性等带来很大的影响。在中国科学技术大学何向南教授带来的《推荐系统偏差问题研究进展》报告中，其通过团队的案例和代表性工作介绍了针对不同偏见所取得的卓越成果。其主要针对于流行度偏差、曝光偏差和伪相关偏差三种偏差提出了一系列前沿的解决方案，具体的有通过因果干预、反事实推理以及无偏数据的利用等方法来解决相关问题。在最后，何向南教授还引出了未来值得关注和解决的相关偏见问题，给我们带来了新的研究思路。

中国科学技术大学何向南教授

“以人为中心的推荐系统”除了可以从计算科学角度进行算法的尝试，还可以从社会科学的角度更深层次探讨如何研究人的问题。郑雯副教授通过这次的《大数据驱动的网络社会心态研究：以“人”为中心探索网络空间深层重构的变迁趋势》报告，向我们生动展示了网络社会心态研究中，以大数据为驱动的一系列研究成果。其团队主要关注于“事件/议题”、“思想价值观念”以及“网络关键群体”与网络社会心态的关系，希望整体建构网络社会心态的理论模型和分析框架，从而能够系统挖据到各种存在的特征，深入探索动态演进规律，最后在网络空间关健群体的变迁中深化中国特色思想观念体系研究。郑雯在报告最后还提到了在“以人为中心”领域中，社会科学研究与计算科学研究合作的方向和思路。

复旦大学郑雯副教授

推荐系统解决信息过载问题起到了很大的作用，然而推荐系统的发展使得个性化精准推荐成为了一把“双刃剑”，与法律、伦理等领域存在紧密的联系。清华大学长聘副教授李勇针对于推荐系统中的信息茧房问题进行了《推荐系统中的信息茧房动力学》报告，从比较理论的角度分析推荐系统中信息茧房是如何产生，以及如何克服的。关注于信息茧房的严重程度和形成机理尚未明晰等问题，其团队进行了充分的研究，一方面从数据分析了信息茧房问题的严重程度，另一方面则从理论的角度，基于复杂自适应系统理论，建立信息茧房动力学模型，来探究在用户和算法交互过程中如何导致信息茧房问题。

清华大学李勇副教授

微软亚洲院王希廷研究员带来的报告是《推荐系统的可解释性评测：现状、机会与挑战》，主要介绍了推荐系统中的对解释部分的评测方法。评测问题是可解释系统中很重要的一个研究点，对于如何规范化和真正评价到解释的效用，王希廷研究员首先对可解释模型进行了分类，并由此提出了对应的不同评测方法。针对于自可解释的模型来说，要从准确性和可读性进行探讨；而后处理的解释模型除了对可读性有效性的评价之外，还需要从解释和原模型的拟合程度来进行评价。最后，王希廷研究员总结了在评测方面未来可以继续探讨的研究点，如可以建立规范用户调研的指导、结合多领域学科深入了解用户层面是如何理解解释的等等。

微软亚洲院王希廷研究员

在最后的Panel讨论环节，还邀请到了复旦大学顾宁教授和微软研究院李东胜博士参与，一共探讨了三个主要的议题。在探讨“个性化推荐系统的商业化带来了信息偏食、用户沉迷，甚至社会分裂等诸多副作用，我们如何平衡推荐系统的商业价值与社会价值？”问题中，嘉宾们提到需要围绕人的需求和推荐系统本身的性质进行考虑，现有的推荐系统其实是依附在大的商业中，对其独立性的考虑可以成为未来的一个研究点，同时，其实也存在一些与商业价值一致方向的推荐系统社会价值目标，可以通过更加深入用户的潜在心理需求建模系统。此外，由于近年来人工智能大规模的快速发展为推荐系统带来了新的机遇，我们如何确保未来的推荐系统继续“以人为中心”？如何继续坚守这样的准则等问题都是值得讨论的问题。最后，推荐系统的健康发展依赖于来自计算科学与社会科学研究者的深度合作，我们应该如何更有效地促进该领域的跨学科合作？尤其是针对于两个领域应该合作什么？合作机制是怎样的？在这些问题的探讨中，各位嘉宾都充分表达了自己的深入见解，很多观点的提出都让我们眼前一亮，对今后的“以人为中心的推荐系统”研究提供了强大的信心和可以发挥的空间。