4月12日上午，我院 2021 级双学位班在俊秀楼105会议室，召开了本学期第二次主题班会。此次班会以《心理：开启智能推荐新篇章》为题，由我校计算机科学学院副教授吴雯主讲。我院“心理学+计算机”双学位班班主任胡杨副教授，“心理学+计算机”双学位班、“耀翔班”部分学生参加活动。
吴雯博士作班会讲座
吴雯首先介绍了在当今时代智能推荐的背景情况.在大数据时代下，为给用户提供个性化的服务，已有经典推荐算法需要解决“千篇一律”和“信息过载”的问题。因此，吴雯老师提出，可以通过引入“情绪”和“性格”这些心理因素，在一定程度上解决“千篇一律”的问题，提供更加个性化的服务。
如何将推荐系统算法与心理因素进行有机结合呢起？接下来，吴雯通过三个领域的例子，给我们展示了两者结合的应用场景。
第一个是电商社交场景。在该场景中，存在一个冷启动问题，是指当一个新用户加入时，如何更精确更个性化的为其提供推送服务。通过对用户性格的分析，将其融入原有的推荐算法后，发现在精确度、多样性化、冷启动与正常状态下都表现得十分出色。除此之外，通过对用户情绪的分析，也可以很好的运用在音乐推送中。
第二个是智能教育场景。在这一场景中，基于对学习者性格的分析，可以提供个性化的学习路径与学习资源的推荐、更加契合的学伴推荐，而考虑学习者的情绪，也可以提供更能够表现出学习者进步程度的习题推荐。
第三个是心理健康场景。该场景致力于提供对使用者性格与情绪的分析，对使用者进行情绪安抚，或是辅助心理治疗师进行个性化的心理干预。
虽然心理元素与各个领域密切相关，但通过传统的方式获取心理元素十分麻烦，难以落地，接下来，吴老师以性格、情绪、心理地位为例，向大家介绍了如何大规模隐式地获取不同的心理元素。
对于性格的隐式获取：首次提出的框架出现在2015年，分为三步：特征选取、性格预测建模和基于性格的推荐。通过显著性分析和高斯过程，基于行为的性格预测，其准确性在85%作用。接着，在2019年，基于统计学方法，融入行为+文本特征后，对于性格预测的准确性可达90%。而在现在，对于性格的隐式获取，则开始考虑从多源异构数据中抽取特征，并利用深度学习模型代替统计方法（图6）。
对于情绪的隐式获取：在近些年的研究以来，已经可以通过文本内容、表情识别和语音语调判断用户的情绪。
对于心理地位（或特质）的获取：通过对于社交网站的头像进行分析，可以对用户的心理地位进行预测，其准确率可达80%左右。而基于心理学的理论和人工智能技术的辅助，通过文本、音频、图像和生理，可以计算出所想要得到的心理特质。
最后，吴雯对本次班会讲座进行了总结，并介绍了自己未来的相关研究方向（如群体智能、基于元认知能力增强的启发式教学、音乐画等等）。讲座结束后，大家也就一些感兴趣的问题与吴老师进行了交流。吴雯的分享让同学受益匪浅，有不少同学对吴老师的研究课题表现出了浓厚兴趣，并希望在未来加入她的团队进行学习。在热烈的气氛中，本次班会圆满结束。
主讲人简介：
吴雯博士，华东师范大学计算机科学与技术学院副教授、明园晨晖学者、硕士生导师。她博士毕业于香港浸会大学计算机科学系，华师大计算机学院在职博士后（合作导师贺樑教授），曾任浸会大学高级研究助理。主要研究兴趣包括：人机交互、用户建模、个性化推荐、心理教育医疗智能交叉、认知智能和常识众包等。主持并参与各类国家与企业项目，受到包括国家自然科学基金委员会、上海市科委、香港优配研究金委员会、上海市博士后工作办公室、上海市教育委员会教学研究室、英语流利说等相关机构的资助。至今已经在相关领域顶级、知名国际期刊与会议发表论文25篇，担任多本国际知名期刊和会议审稿人。现为CCF协同计算委员会执委，ACM、AAAI等协会会员。
（图、文：郑豪爵；校稿：胡杨）