報告人：清華大學 衛(wèi)強 長聘副教授
時間：2022年4月27（周三）上午10:00
地點：主樓317
報告內(nèi)容簡介：
大數(shù)據(jù)與AI的快速發(fā)展，極大促進了管理決策數(shù)智化。但管理場景中可獲數(shù)據(jù)的非完備性、輸出判定的主觀擾動、以及內(nèi)在機理的復雜性等，使得機器學習方法在管理決策應(yīng)用中“黑箱”現(xiàn)象更為凸顯，即可解釋性不足，制約了其深度應(yīng)用和發(fā)展。本次報告將針對這一研究背景，結(jié)合營銷漏斗理論視角，基于消費者在線購物的情境特點和多階段動態(tài)性，提出一種基于多階段動態(tài)貝葉斯網(wǎng)絡(luò)的推薦方法，可對消費者隱性的心理階段轉(zhuǎn)移和興趣轉(zhuǎn)換驅(qū)動的產(chǎn)品交互行為的生成過程進行建模和學習。該方法在具有良好的推薦精度的同時，還提供了一種從消費者可觀測行為探測不可觀測心理階段的解決方案，具有更好的管理可解釋性，有益于設(shè)計相應(yīng)的營銷策略。
報告人簡介：
衛(wèi)強博士，清華大學經(jīng)管學院管理科學與工程系副系主任，長聘副教授/博導，人工智能管理研究中心副主任，醫(yī)療管理研究中心副主任。研究興趣包括管理信息系統(tǒng)、大數(shù)據(jù)與商務(wù)分析、機器學習、智能推薦、文本挖掘等。在管理科學與信息系統(tǒng)領(lǐng)域頂級期刊（如MISQ、ISR、INFORMS JoC、ACM TKDD）等發(fā)表論文40余篇。
（承辦：管理工程系、科研與學術(shù)交流中心）
