[ad_1]
Siamo lieti di congratularci con l’ingegnere di apprendimento automatico Roblox Xiao Yu e i suoi coautori per aver ricevuto il premio Test of Time all’evento 17a conferenza internazionale ACM sulla ricerca web e il data mining (WSDM 2024). Il premio Test of Time è un segno di impatto storico e un riconoscimento del fatto che la ricerca ha cambiato le tendenze e la direzione della disciplina. Riconosce una pubblicazione di ricerca di 10 anni fa che ha avuto un’influenza duratura.
Il documento vincitore, “Raccomandazione personalizzata sulle entità: un approccio eterogeneo alla rete di informazioni” è stato presentato per la prima volta al WSDM 2014, mentre Yu era ricercatore presso l’Università dell’Illinois a Urbana-Champaign. Yu è entrato in Roblox nel 2022 e ha lavorato su linguaggio naturale, visione artificiale, modelli linguistici di grandi dimensioni e intelligenza artificiale generativa, compreso il nostro recente lavoro su traduzione della chat AI in tempo reale E moderazione vocale in tempo reale.
Yu afferma che il pluripremiato articolo “inintroduce il concetto di funzionalità latenti basate su meta-percorso come rappresentazioni di utenti ed elementi. Ciò avveniva prima che l’apprendimento della rappresentazione diventasse lo stato dell’arte per i sistemi di raccomandazione. Sebbene sia antecedente all’uso diffuso degli incorporamenti in reti eterogenee e sistemi di raccomandazione, le osservazioni e la filosofia presentate in questo articolo hanno ispirato molti ricercatori a riesaminare questo problema e hanno innescato un’ondata di ricerca innovativa in questo settore”.
La ricerca pubblicata da Yu e colleghi ha ottenuto un riconoscimento significativo negli ultimi dieci anni poiché i motori di raccomandazione sono diventati sempre più onnipresenti. “Incorporando diverse informazioni sulle relazioni, il nostro metodo personalizza maggiormente i consigli, portando a suggerimenti più accurati, pertinenti e personalizzati per gli utenti. Ciò è fondamentale nell’odierno scenario di sovraccarico di informazioni, in cui le persone sono bombardate da raccomandazioni irrilevanti”, afferma Yu.
“Prima di questo articolo, i sistemi di raccomandazione ibridi basati su grafici spesso utilizzavano un unico tipo di relazione, ad esempio se un utente aveva acquistato un determinato articolo in precedenza. Questo è stato uno dei primi approcci a sfruttare l’eterogeneità delle relazioni all’interno di una rete. Modellando varie relazioni, il sistema di raccomandazione proposto può acquisire una comprensione più ricca e sfumata delle preferenze dell’utente e delle caratteristiche degli articoli”.
Scopri le recenti ricerche sull’intelligenza artificiale su Roblox Qui.
[ad_2]
Source link
