近日实验室郭志强博士学位论文答辩会于南一楼438成功举办。郭志强博士作了题为《基于用户行为分析的个性化推荐》的答辩报告。

郭志强博士首先就个性化推荐的背景做了简要概述，并以用户行为分析为抓手，提出意图理解、特征表示、融合推荐三个研究问题，分析了目前研究工作面临的问题挑战。随后，郭志强博士分享了博士期间的研究工作：1）针对用户行为意图解释性差问题，提出一种基于主题解耦学习的用户意图建模方法，结合用户行为和物品内容数据，利用变分自编码器推断主题级解耦的用户意图。2）针对用户行为稀疏、高阶表征过平滑问题，提出一种基于深度残差图学习的用户偏好表征方法，通过局部性残差设计和自适应层连接操作增强了深层图神经网络建模用户偏好表征的能力。3）针对用户行为噪声、偏好差异性缺失问题，提出一种基于多依赖关系图学习的用户偏好表征方法，通过挖掘邻域级和同构级依赖关系，建模用户对物品的偏好差异，以及用户间的偏好共性，增强用户表征。4）针对模态知识融合不充分问题，提出一种基于局部和全局图学习的多模态推荐策略，引入超图学习对全局依赖关系进行建模来捕获全局用户行为模式。最后，郭志强博士展望了未来的研究工作，其中多模态推荐与大模型相结合的研究引起大家广泛兴趣。

报告结束后，与会专家提出了建设性的问题和建议，郭志强博士就此做出了准确细致的回答。最后，答辩委员会一致通过郭志强博士答辩，认为论文是一篇优秀的博士学位论文。

郭志强博士在攻读博士学位期间，在CCF A类会议AAAI、MM发表论文2篇，在CCF B类会议CIKM、SDM、DASFAA等共发表论文4篇。

郭志强博士将去往清华大学从事博士后研究工作。