5月19日，中国计算机学会YOCSEF青岛分论坛在温州CCF青年精英大会（YEF2023）上成功举办，以《“薛定谔的RS”:你被推荐系统猜中了吗？》为主题的博学堂论坛由信息科学技术学院承办。
论坛邀请了青岛科技大学刘金环老师、中国海洋大学于彦伟教授担任执行主席，青岛科技大学孙丽珺副教授担任线上执行主席；中国科学院计算技术研究所研究员沈华伟，山东大学计算机科学与技术学院助理教授辛鑫，香港大学计算机学院助理教授黄超，山东师范大学副教授郭磊，合肥工业大学张琨博士，武汉大学教授李晨亮担任引导发言嘉宾；邀请华南农业大学数学与信息学院副教授黄栋担任思辨环节嘉宾。全国多所高校及企事业单位的70余位专家学者参加了线下论坛，900余人通过腾讯直播线上平台同步参加了此次论坛，1000余人通过YOCSEF青岛公众号关注了本次论坛。
引导发言阶段，沈华伟以“互联网信息服务算法推荐治理的实践与思考”为题，介绍了国家网信办等部门出台的《互联网信息服务算法推荐管理规定》，从服务规范、用户权益等角度针对生成合成类、个性化推送类、排序精选类、检索过滤类、调度决策类等五大类互联网信息服务算法应用进行规范。
辛鑫以“基于离线强化学习的推荐系统”为题，介绍了如何使用离线训练数据来构建基于强化学习的推荐系统方法，主要包括结合监督学习与对比学习的训练方法，以及基于奖励引导的训练方法。
黄超以“鲁棒推荐系统的研究”为题，介绍了如何设计更为鲁棒的推荐系统从而解决实际场景中的两个关键问题。一是现有推荐算法的效果极大程度上依赖充足、准确的用户交互记录作为监督信号，在监督信号稀缺的情况下，很难学得准确、高质量的用户、商品表征；二是数据噪声和倾斜分布问题阻碍模型进行有效的用户、商品交互建模，导致现有基于图的协同过滤模型偏向于预测流行商品，并在面对交互数据稀缺的用户时会出现严重的效果退化。
郭磊以“面向共享账户的跨域序列推荐算法”为题，介绍了一种更具一般性和挑战性的跨域推荐应用场景，即面向共享账户的跨域推荐任务，并重点介绍了针对该任务所设计的两种不同解决方案，即基于图卷积神经网络和强化学习的跨域推荐算法。
张琨以“融合文本信息的用户个性化建模及可解释推荐”为题，从评论与用户-产品二部图融合的角度提出了评论感知图对比学习框架（RGCL)，以及从如何主题层面理解用户行为展开研究，提出了主题增强的图神经网络可解释推荐的方法（TGNN）。
李晨亮以“多场景融合的搜推系统前沿进展”为题，从特征重构、知识共享、模型结构优化、预训练模型等多个角度介绍了当前多场景融合的搜推系统进展。
Panel环节，与会六位嘉宾围绕“如何建立一个可信推荐系统,进而破除推荐系统的’叠加态’魔咒？”“你被推荐系统锁定了吗？推荐是否过度？是否有漏网之鱼？”“你更关注推荐的准确性，还是更加关注保护用户隐私呢？”“推荐系统是否在无形中禁锢了我们，应如何打破推荐技术的’过滤气泡’？是否会造成’群体极化’？”和“ 推荐系统的生态如何改善才能使其更规范的成长？”五个议题展开了思辨探讨。
自由思辨环节，现场观众向嘉宾进行提问，受邀嘉宾和观众进行了互动和讨论。最后，YOCSEF青岛分论坛主席于彦伟做总结，感谢了与会嘉宾的精彩报告，为相关科研提供了宝贵的参考价值。论坛历时四个小时，在热烈的会场氛围中圆满结束。
