社会计算中的可信推荐：双极范式与协同

报告人：徐贯东，香港教育大学

报告地点：计算机楼313

报告时间：2025年12月13日16:30

报告题目：社会计算中的可信推荐：双极范式与协同

报告人简介：

徐贯东，现任香港教育大学助理副校长、人工智能讲座教授、数据科学与人工智能中心实验室总监，国家海外高层次领军人才，英国工程技术协会会士（IET Fellow），澳大利亚计算机协会会士，CCF-B类期刊World Wide Web: Internet and Web Information Systems助理主编，Human-centric Intelligent Systems Journal创始主编，行为与社会计算国际会议（BESC）发起人，在加入香港教育大学之前，曾在悉尼科技大学担任教授。

研究方向主要涵盖数据挖掘、信息检索、人工智能可解释性、生成式人工智能与大模型，并致力于这些理论方法在教育行业、推荐系统、社会计算等领域的应用。徐贯东教授在这些领域内发表了超过300篇高水平论文，并入选了斯坦福全球前1%顶尖科学家榜单。

报告简介：

推荐系统作为连接用户需求与社会结构的关键载体,其研究关键在于同时响应用户个性化需求与社会公平、信任等价值目标。本报告将聚焦可信推荐的双极核心路径:一极是传统框架,以可解释性与公平性为基础,通过共形理论实现从“可解释”到“可信任”的推荐,解决社会环境中用户对算法的信任缺失问题;另一极是大模型驱动路径,利用其强大的行为模式与社会关系捕捉能力显著提升推荐性能,但面临计算成本高企与隐私泄露风险。我们通过云边协同架构,平衡大模型推荐方法的计算成本与隐私保护需求，并探索双极路径的协同,为推荐提供了“可信性”与“智能性”兼顾的全面方案,推动算法决策与社会价值的深度融合。