Wang-Cheng Kang

概述

推荐系统领域研究者，UCSD 博士，与 Julian McAuley 合作发表了 SASRec（ICDM 2018），首次将 Self-Attention 引入序列推荐，开创了推荐系统的 Transformer 时代。

关键内容

1. 代表工作：SASRec（Self-Attentive Sequential Recommendation, ICDM 2018），与 Julian McAuley 合作。该论文累计引用 3000+ 次，是序列推荐领域引用量最高的论文之一。

2. 研究贡献：系统性地将 Self-Attention 应用于序列推荐任务，设计了因果掩码的单向 Transformer 架构，证明了 Self-Attention 在用户行为建模中的自适应能力——在稀疏数据上聚焦近期行为（类似马尔可夫链），在密集数据上捕获长程依赖（类似 RNN）。

3. 开源贡献：SASRec 官方代码开源在 GitHub（https://github.com/kang205/SASRec），成为序列推荐领域最常用的基准实现之一。

4. 学术影响：SASRec 直接催生了 BERT4Rec、TiSASRec、BST、S3-Rec、SSE-PT、LightSANs、DuoRec、SASRec+ 等一系列后续工作，奠定了 Transformer 在推荐系统中的基础地位。

来源

• SASRec 原始论文 (ICDM 2018)

相关

• SASRec — 代表工作
• Julian McAuley — 合作导师
• 序列推荐 — 主要研究方向