行为序列预测旨在发现人类历史行为序列（如语言表达、用户-物品交互、犯罪事件、移动轨迹、阅读学习等）中的潜在意图，预测未来行为发生的概率。社会经济系统规模的逐渐扩大使人类历史行为序列与多种意图相关，即行为意图动态性。
团队胡开喜博士归纳了行为意图动态性的三种具体表现形式——意图的多样性、稀疏性和干扰性，并发现在客观约束较弱的场景下，预测概率分布的信息熵偏高，模型需要从大量行为中学习多种意图，给序列建模带来了挑战。
胡开喜博士围绕行为意图动态性的科学问题，从行为意图动态性的量化分析、交互和未交互行为视角下的意图动态性建模切入，开展了一系列的研究工作，在CIKM，ACM TOIS和自动化学报等会议和期刊上发表。
论文和代码请在Github上下载：
评论 0