Siamo felici 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 giornale vincitore, “Raccomandazione personalizzata sulle entità: un approccio eterogeneo alla rete di informazioni" è stato presentato per la prima volta al WSDM 2014, quando 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, incluso il nostro recente lavoro su traduzione della chat AI in tempo reale et moderazione vocale in tempo reale.
Yu dice che il pluripremiato articolo “Inintroduce il concetto di funzionalità latenti basate su meta-percorsi come rappresentazioni di utenti ed elementi. Questo prima che l’apprendimento rappresentativo diventasse lo stato dell’arte per i sistemi di raccomandazione. Sebbene siano antecedenti 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 campo.
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 varie informazioni sulle relazioni, il nostro metodo personalizza ulteriormente i consigli, portando a suggerimenti più accurati, pertinenti e personalizzati per gli utenti. Ciò è fondamentale nello scenario odierno 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 solo un tipo di relazione, ad esempio se un utente aveva precedentemente acquistato un determinato articolo. 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.
Dai un'occhiata alle recenti ricerche sull'intelligenza artificiale su Roblox qui.
