4月21日，2025年第6期IT讲坛邀请到欧洲科学院院士王子栋教授，带来主题为“Collaborative Filtering in Recommendation Systems with Medical Applications”的报告。讲座由信息学院党委书记周春儿主持，李秀梅副院长出席，信息学院众多师生到场参加。

本次讲座介绍了推荐系统领域的知识，重点讲解了基于用户的协同过滤算法及其在产品推荐中的应用，强调了理解用户习惯和偏好的重要性，并借用数据的统计信息优化模型，提高预测准确率。

王子栋教授以电影评分的简单案例为切入点，介绍了推荐系统的发展背景。他系统梳理了推荐算法的分类，从传统的基于内容的专家推荐到现今两大主流方法：协同过滤技术与结合先验知识的混合模型技术。

王教授以教师对试卷评分的场景为例，进一步聚焦基于用户的协同过滤（User Based Collaborative Filtering, UBCF）技术。教师评分这一应用场景中，当数据服从简单分布时，采用衡量均值和方差的一阶矩和二阶矩是合理的，但当数据分布变得复杂时，需要考虑高阶矩的应用。因此，王教授团队提出了基于用户统计信息集合的协同过滤(Statistical Information Set User Based Collaborative Filtering, SIS-UBCF)方法，该方法利用高阶矩对数据分布的刻画，对用户打分习惯进行特征抽取形成权重，从而对传统的相似度进行了改进。

在医学方面，王教授介绍了他们在欧洲皇室家族高发的弗里德里希共济失调症上的应用。研究团队通过分析家族成员间相似的数据，来推断和补全缺失的信息。这种方法显著提高了数据的完整性和统计分析的可行性，成功解决了患者样本稀缺导致的统计难题，从而为医疗研究和治疗提供了有力支持。

在分享的最后，王教授进一步探讨了SIS-UBCF算法的优化策略与未来方向。矩阵分解与深度学习的融合，可以从电影评分等场景中自动提取用户偏好特征（如类型、演员偏好），并推广至无人车动态感知等新兴领域。他强调，未来研究可以融合强化学习与深度学习，进一步改进评分预测模型。

本次讲座，王子栋教授通过简单的案例，深入浅出的介绍了有关推荐系统的相关知识和算法。盛伟国老师对此做出总结：“王教授的研究其实是从一个常见的问题入手，通过转换观点并深入探究，发现了一些重要的科学问题，并解决了相关的一些重要的应用。而转换观点并深入探究的这一步，就是打开思路最关键的一步。”相信通过王教授的耐心讲解，大家都能学习到其独特的学术观点和实践经验，为自己的研究工作提供启发。

（文/高俊逊 刘光宇 图/刘光宇）